Ökosystemleistungen im Wandel: Was Chinas boreale Wälder zwischen 1990 und 2024 zeigen
KI-generiert | Nur zur Veranschaulichung

Eine 35-jährige Zeitreihe aus den Großen Hinggan-Bergen im Nordosten Chinas zeigt, wie sich sieben zentrale Ökosystemleistungen borealer Wälder gegenseitig beeinflussen. Die Studie entwickelt ein neues Maß für Synergien und Trade-offs und identifiziert das Klima als wichtigsten Treiber. Die Ergebnisse liefern konkrete Hinweise, wie klimagerechte Waldbewirtschaftung aussehen kann.

Hintergrund: Warum Ökosystemleistungen nicht isoliert betrachtet werden dürfen

Wälder erbringen eine Vielzahl von Leistungen, von Kohlenstoffspeicherung über Wasserrückhalt bis hin zu Erholungswert. In der forstlichen Praxis und in der Forschung werden diese Leistungen häufig einzeln bilanziert, etwa in Kohlenstoffberichten oder in Schutzgebietsverordnungen. Dabei wird leicht übersehen, dass viele dieser Leistungen eng miteinander gekoppelt sind: Eine Maßnahme, die den Holzertrag steigert, kann gleichzeitig die Habitatqualität senken, und eine klimatisch bedingte Zunahme der Biomasseproduktion geht nicht automatisch mit einer besseren Wasserversorgung einher. Die Großen Hinggan-Berge, eines der größten borealen Waldgebiete Chinas, sind für diese Frage ein idealer Untersuchungsraum. Die Region wird seit Jahrzehnten forstlich genutzt, gleichzeitig ist sie stark vom Klimawandel betroffen, mit steigenden Temperaturen und veränderten Niederschlagsmustern.

Das Forschungsteam wollte klären, wie sich sieben zentrale Ökosystemleistungen über 35 Jahre entwickelt haben, wie stark sie sich gegenseitig verstärken oder behindern und welche Treiber dabei die größte Rolle spielen. Die Antworten sind nicht nur für China relevant, sondern auch für die Diskussion über klimaresiliente Waldbewirtschaftung in Mitteleuropa.

Methodik: Sieben Leistungen, 35 Jahre Daten, ein neues Maß

Die Studie kombinierte Fernerkundungsdaten aus den Jahren 1990 bis 2024 mit einem eigens entwickelten Indikator, dem Trade-off-Synergy Strength, kurz TSS. TSS misst für jedes Paar von Ökosystemleistungen die Richtung und Stärke der gleichzeitigen Veränderung und erlaubt damit eine quantifizierte Aussage darüber, ob zwei Leistungen im selben Zeitraum tendenziell zunehmen (Synergie) oder sich gegenläufig entwickeln (Trade-off). Insgesamt flossen sieben Leistungen in die Analyse ein: Wasserertrag, Bodenschutz, Habitatqualität, Erholungswert, Kohlenstoffbindung, Klimaregulation und Nettoprimärproduktion.

Um die Treiber hinter den beobachteten Mustern zu identifizieren, kamen zwei statistische Verfahren zum Einsatz. Zum einen die SHAP-Methode, die den Beitrag einzelner Variablen zur Gesamtvariation quantifiziert, zum anderen selbstorganisierende Karten, die ähnliche Kombinationen von Leistungen zu ES-Bündeln gruppieren. Als erklärende Variablen wurden Klima- und Topographiedaten in die Modelle einbezogen. Die Kombination dieser Methoden erlaubt es, sowohl die Stärke einzelner Treiber als auch deren Zusammenspiel sichtbar zu machen.

Ergebnisse: Synergien dominieren, aber Erholung und Wasser brechen aus

Über den gesamten Untersuchungszeitraum überwogen die Synergien: Boden­schutz, Kohlenstoffbindung, Klimaregulation und Nettoprimärproduktion nahmen in den meisten Kombinationen gemeinsam zu. Das ist zunächst eine gute Nachricht, weil es darauf hindeutet, dass die borealen Wälder in dieser Region unter dem Klimawandel nicht in eine umfassende Degradations-Spirale geraten sind. Allerdings gab es zwei auffällige Ausnahmen. Der Wasserertrag nahm kontinuierlich ab, was die Forschenden auf steigende Verdunstung und veränderte Niederschlagsverteilung zurückführen. Die Habitatqualität verschlechterte sich besonders deutlich im Zeitraum 2020 bis 2024, was mit dem erhöhten Stickstoffeintrag und der Ausdünnung der Bodenvegetation zusammenhängen könnte. Der Erholungswert erreichte 2015 einen Höhepunkt und sank danach, vermutlich weil zunehmende Hitzeperioden und Dürren den Wald für Besucherinnen und Besucher weniger attraktiv machten.

Die SHAP-Analyse zeigte, dass Klimavariablen rund 52 Prozent der Variation in den Trade-off-Synergie-Mustern erklären. Topographische Faktoren spielten vor allem für die Bildung der ES-Bündel eine Rolle, also dafür, welche Leistungen räumlich geclustert auftreten. Aus den Daten leiteten die Forschenden Schwellenwerte ab, bei deren Überschreiten Synergien in Trade-offs umschlagen: Eine durchschnittliche jährliche Strahlungsveränderung über etwa fünf Megajoule pro Quadratmeter, eine Niederschlagsveränderung unter minus 0,7 Millimeter pro Jahr und ein Temperaturanstieg über etwa 1,7 Grad Celsius führten zu kipppunktartigen Verschiebungen.

Was das für die Praxis bedeutet

Auch wenn die Studie in Nordostchina durchgeführt wurde, lassen sich aus den Ergebnissen mehrere für Mitteleuropa relevante Schlüsse ziehen. Erstens: Die Beobachtung, dass Erholungswert und Wasserspende in heißen Sommern überproportional zurückgehen, deckt sich mit Erfahrungen aus deutschen Mittelgebirgswäldern, wo Bäche in den letzten Jahren häufiger trockenfallen. Forstbetriebe, die zugleich Naturschutz, Erholung und Trinkwasserschutz gewährleisten müssen, sollten diese Kopplung in ihre Planung einbeziehen. Zweitens: Die identifizierten Schwellenwerte zeigen, dass Klimawandel kein gradueller Prozess ist, sondern dass es regionale Kipppunkte gibt, an denen sich Leistungskombinationen abrupt verschieben. Ein klimaangepasstes Waldmanagement sollte daher nicht nur Mittelwerte, sondern auch diese Schwellen im Blick haben.

Für die Praxis empfiehlt das Forschungsteam, beim Management mehrere Leistungen gleichzeitig zu adressieren, statt auf eine einzelne zu optimieren. So kann etwa die gezielte Förderung von Mischbeständen, die Schatten spenden und die Bodenvegetation schützen, sowohl den Erholungswert als auch die Habitatqualität stabilisieren. Gleichzeitig warnen die Autorinnen und Autoren davor, alle Synergien als beliebig kombinierbar zu betrachten, weil an den Schwellenwerten Trade-offs abrupt dominieren können.

Vertiefung: Was bedeutet das für die deutsche Forstwirtschaft?

Die Studie ergänzt eine wachsende Zahl von Untersuchungen, die zeigen, dass Waldleistungen nicht additiv gedacht werden dürfen. Während in Deutschland meist einzelne Indikatoren, etwa Vorrat, Zuwachs oder Totholz, in Forsteinrichtungswerken erfasst werden, liefert der TSS-Ansatz ein Werkzeug, um Synergien und Trade-offs quantitativ darzustellen. Eine vergleichbare Auswertung für die deutschen Buchen- und Fichtenwälder wäre methodisch möglich, würde aber den Aufbau einer konsistenten multidekadischen Datenreihe voraussetzen, die es in dieser Form bislang nicht gibt. Die Nationalen Naturwaldreservate und die Bundeswaldinventur könnten als Grundlage dienen, allerdings mit deutlichen Einschränkungen bei der räumlichen Auflösung.

Für die Forschungspraxis ist die Studie zudem ein Beispiel dafür, wie selbstorganisierende Karten und SHAP-Werte aus dem maschinellen Lernen in die ökologische Modellierung integriert werden können, ohne in reine Black-Box-Modelle zu verfallen. Beide Methoden liefern interpretierbare Ergebnisse, die direkt in waldbauliche Entscheidungen einfließen können.

Limitations und offene Fragen

Die Ergebnisse basieren ausschließlich auf einer Region in Nordostchina und sind daher nicht ohne weiteres auf andere boreale Wälder übertragbar, etwa auf die sibirische Taiga oder auf mitteleuropäische Buchenwälder. Die sieben untersuchten Ökosystemleistungen decken zudem nicht alle relevanten Aspekte ab, insbesondere die kulturellen Leistungen indigener Gemeinschaften wurden nicht erfasst. Schließlich sind die abgeleiteten Schwellenwerte statistische Korrelationen, keine mechanistischen Erklärungen, und sollten in experimentellen Studien überprüft werden. Offen ist auch, wie sich die beobachteten Muster ändern, wenn künftig großflächige Störungen durch Waldbrand oder Borkenkäfer auftreten, die in der Zeitreihe bislang kaum eine Rolle spielten. Hier ist weitere Forschung dringend nötig.


Quelle: Frontiers in Plant Science, 2026. Multi-decadal dynamics of ecosystem service interactions in boreal forests (NE China): trade-off synergy strength, drivers, and thresholds. DOI: 10.3389/fpls.2026.1921235


Dieser Artikel wurde mit Hilfe von KI erstellt und dient der allgemeinen Information. Keine Rechts- oder Beratungsempfehlung.