Einleitung: Warum diese Frage relevant ist
Die genaue Schätzung der oberirdischen Biomasse einzelner Bäume ist eine der Grundfragen moderner Forstwissenschaft. Sie entscheidet darüber, wie verlässlich Forstbetriebe Kohlenstoffvorräte bilanzieren, wie Züchtungsprogramme ihre Versuche auswerten und wie die Forstpraxis Standorte mit unterschiedlichen Genotypen wirtschaftlich plant. In vielen mitteleuropäischen Waldbauprogrammen werden inzwischen Versuchsflächen mit mehreren Klonen oder Familienmitgliedern derselben Baumart angelegt, um die Biomasse- und Wuchsleistung genetisch zu differenzieren. Doch die Modelle, mit denen diese genetische Heterogenität in Biomasse-Schätzungen eingeht, blieben bislang häufig unbefriedigend.
Eine neue Studie aus der Volksrepublik China, veröffentlicht im Frontiers in Plant Science, zeigt nun einen methodischen Brückenschlag: Sie kombiniert genetische Information mit drohnengestützter LiDAR-Vermessung in einem gemeinsamen statistischen Modell und erreicht damit für die Holzbaumart Catalpa bungei eine deutlich höhere Schätzgenauigkeit als konventionelle Ansätze. Auch wenn Catalpa in Mitteleuropa keine forstliche Hauptbaumart ist, ist die Methodik direkt übertragbar auf einheimische Züchtungsprogramme, etwa bei Douglasie, Kiefer oder Eiche.
So wurde geforscht
Das Forschungsteam hat insgesamt 2941 Einzelbäume von Catalpa bungei über 79 verschiedene Genotypen hinweg in der Provinz Henan vermessen. Pro Baum erfasste es die Biomasse, die LiDAR-gestützt abgeleitete Baumhöhe sowie den LiDAR-gemessenen Kronendurchmesser. Anschließend wurde ein nichtlineares gemischtes Modell (NLME) aufgebaut, das den Genotyp als zufälligen Effekt und die Pflanzdichte als binäre Variable einbezieht. Im Gegensatz zu klassischen Dummy-Variablen-Modellen erlaubt dieser Ansatz, genotypische Unterschiede als kontinuierlichen Variatanzbeitrag zu schätzen.
Zur Validierung kamen zwei Verfahren zum Einsatz: ein Leave-one-genotype-out Cross-Validation sowie ein vereinfachtes Kalibrierschema, bei dem pro Genotyp nur die zwei oder vier volumenstärksten Bäume in die Modellkalibrierung einbezogen wurden. Damit testeten die Forschenden, ob auch mit deutlich reduziertem Feldaufwand noch belastbare Biomasseschätzungen möglich sind, was für die forstliche Praxis in großen Versuchsanlagen entscheidend ist.
Die wichtigsten Ergebnisse
Das gemischte Modell erreichte ein Bestimmtheitsmaß von R² = 0,7916 mit einem RMSE von 3,71 Einheiten und reduzierte den mittleren relativen Fehler (TRE) gegenüber einem einfachen Power-Funktion-Modell um 23,29 Prozent. Damit liegt die Schätzgenauigkeit spürbar über dem, was in vielen klassischen Biomasse-Tafeln erreicht wird. Bemerkenswert ist, dass dieser Genauigkeitssprung allein durch die Berücksichtigung des Genotyps als zufälliger Effekt zustande kam.
Die Cross-Validation mit Leave-one-genotype-out bestätigte die Robustheit des Modells: Selbst wenn ein Genotyp vollständig aus dem Trainingsdatensatz ausgeschlossen und nur anhand der übrigen Daten geschätzt wurde, blieben die Vorhersagen stabil. Das ist ein klarer Praxisvorteil für Versuchsanstalten, die einzelne Familien in laufenden Versuchen beurteilen wollen, ohne jedes Mal die gesamte Datenbasis neu zu kalibrieren.
Das vereinfachte Kalibrierschema schnitt überraschend gut ab. Die Kalibrierung mit nur den vier volumenstärksten Bäumen pro Genotyp erzielte ein TRE von 13,09 Prozent. Die noch stärkere Reduktion auf zwei Bäume pro Genotyp lieferte mit TRE = 13,24 Prozent praktisch denselben Wert. Das bedeutet für die Praxis: Der Feldaufwand bei Versuchsanlagen kann drastisch gesenkt werden, ohne die Aussagekraft der Biomasse-Schätzung zu verlieren.
Schließlich liefert die Studie einen methodischen Rahmen, der vier Anwendungsfelder direkt adressiert: Biomasse-Monitoring in Züchtungsversuchen, Baumarten-Selektion, Kohlenstoff-Bilanzierung auf Versuchsflächen sowie Precision Forestry in der Bewirtschaftung. Auch wenn die Studie Catalpa bungei als Modellsystem verwendet, ist die Modellstruktur grundsätzlich auf andere Laub- und Nadelbaumarten übertragbar, sofern vergleichbare LiDAR-Aufnahmen und Genotyp-Daten vorliegen.
Was das für die Praxis bedeutet
Für forstliche Versuchsanstalten und Züchtungsprogramme in Deutschland, Österreich und der Schweiz ist die wichtigste Botschaft dieser Arbeit methodischer Natur. Wer aktuell Klone, Familien oder Herkünfte auf Versuchsflächen mit klassischen allometrischen Biomassefunktionen auswertet, lässt in der Regel signifikante Information über die genetische Differenzierung ungenutzt. Die hier vorgestellte NLME-Struktur liefert eine direkt anwendbare Vorlage, um diese Information künftig in die Auswertung einzubeziehen.
Für die Forstpraxis eröffnet die Kombination aus UAV-LiDAR und genotypisch differenzierter Biomasse-Schätzung neue Möglichkeiten bei der Anlage und Auswertung von Klon-Versuchen sowie bei der Inventur wertvoller Züchtungspopulationen. Insbesondere bei Baumarten, die in Mitteleuropa zunehmend an Bedeutung gewinnen, etwa die Walnuss, die Elsbeere oder verschiedene Kirschenarten, bietet sich die Methodik für künftige Versuchsdesigns an.
Im Bereich der Kohlenstoffbilanzierung ist der Befund ebenfalls bedeutsam: Wenn die genetische Herkunft eines Bestandes die Biomasse pro Baum signifikant beeinflusst, dann wirkt sich die Sorten- und Herkunftswahl direkt auf die Kohlenstoffbindung aus. In Züchtungsprogrammen für klimastabile Wälder sollte dieser Effekt künftig stärker berücksichtigt werden, etwa bei der Auswahl von Auslesebäumen für Saatguterntebestände.
Vertiefung: Was sich aus der Methodik für deutsche Versuchsanstellungen ableiten lässt
Die methodische Stärke der Studie liegt in der konsequenten Trennung zwischen fixen Effekten wie Pflanzdichte und zufälligen Effekten wie Genotyp. Diese Struktur erlaubt es, die Streuung zwischen Genotypen explizit zu schätzen und damit die Frage zu beantworten, wie viel der beobachteten Bestandesunterschiede tatsächlich auf genetische Differenzierung zurückgeht. Für deutsche Versuchsanstellungen mit zum Beispiel Douglasien- oder Kiefernherkünften wäre dies ein wesentlicher Fortschritt, da herkömmliche Auswertungen die genetische Komponente häufig als Reststreuung behandeln.
Praktisch bedeutet das, dass bei der Anlage neuer Versuchsflächen von Anfang an darauf geachtet werden sollte, dass jeder Genotyp, jede Familie oder jeder Klon mit ausreichender Wiederholung vertreten ist, um den zufälligen Effekt im NLME-Modell schätzen zu können. Mindestens zehn Bäume pro Genotyp scheinen nach den Befunden dieser Arbeit ein guter Kompromiss zwischen Versuchsdesign und Messaufwand zu sein.
Die Tatsache, dass die vereinfachte Kalibrierung mit nur zwei Bäumen pro Genotyp nahezu dieselbe Genauigkeit liefert wie die Vollauswertung, hat erhebliche praktische Konsequenzen. In etablierten Züchtungsprogrammen ließen sich Bestandesinventuren künftig so planen, dass pro Genotyp nur die volumenstärksten Bäume im Feld vermessen werden, während der Rest über das NLME-Modell auf Basis weniger Stichprobenwerte geschätzt wird. Das reduziert nicht nur den Zeitaufwand, sondern auch die Kosten bei der wiederkehrenden Inventur großer Versuchsflächen.
Limitations & offene Fragen
Eine wichtige Einschränkung dieser Studie ist die Verwendung von Catalpa bungei als Modellsystem. Die Ergebnisse sind daher nicht direkt auf mitteleuropäische Hauptbaumarten wie Fichte, Kiefer, Buche oder Eiche übertragbar, da Wuchsform, Kronenarchitektur und Biomasseverteilung sich zwischen den Arten deutlich unterscheiden. Es ist zu erwarten, dass die Modellparameter neu kalibriert werden müssen, wenn die Methodik auf heimische Baumarten angewendet wird.
Eine weitere offene Frage betrifft die langfristige Stabilität der Genotyp-Effekte über Standorte hinweg. Die hier vorgestellten Daten stammen aus einer einzigen Region in der Provinz Henan. Ob die geschätzten Genotyp-Effekte auch auf anderen Standorten und unter anderen klimatischen Bedingungen stabil bleiben, bleibt zu klären. Hier sind Folgeuntersuchungen nötig, idealerweise mit Versuchsanstellungen, die denselben Genotyp über mehrere Standorte verteilt testen.
Schließlich ist die Frage der Wirtschaftlichkeit noch nicht abschließend beantwortet. Die Kombination aus UAV-LiDAR-Befliegung und Feldkalibrierung erfordert sowohl Investitionen in Drohnentechnik als auch spezialisierte Auswertungskompetenz. Welche Mindestgröße eine Versuchsanstellung haben muss, damit sich der Einsatz dieser Methodik wirtschaftlich lohnt, wäre eine sinnvolle Folgestudie, insbesondere im Hinblick auf kleinere forstliche Züchtungsinitiativen im deutschsprachigen Raum.
Quelle: 10.3389/fpls.2026.1759637
Dieser Artikel wurde mit Hilfe von KI erstellt und dient der allgemeinen Information. Keine Rechts- oder Beratungsempfehlung.