Abstract
Die Waldstandortkunde ist eine wichtige Grundlage für die waldbauliche Planung, indem sie Standorttypen definiert und für diese Baumartenempfehlungen formuliert. In der Schweiz wurde im Rahmen von Projekten «Nachhaltigkeit und Erfolgskontrolle im Schutzwald» (NaiS) in den letzten Jahren ein Standard von Standorttypen erarbeitet, der landesweite Bedeutung erlangte. Für eine Mehrheit der Kantone existieren Kartierungen von unterschiedlich definierten Waldstandorteinheiten, jedoch fehlt eine flächendeckende, konsistente Kartierung von Standorttypen. Basierend auf der Zuordnung von 240 Standorttypen gemäss NaiS zu allen 6357 Probeflächen des Schweizerischen Landeforstinventars (LFI; Projekt «NaiS-LFI»), kantonalen Standortkartierungen, einer Vielzahl von flächendeckend verfügbaren Umweltdaten und «Machine Learning»-Techniken modellierten wir die schweizweite Verteilung der NaiS-Standorttypen. Unsere Modelle erreichen eine Vorhersagegenauigkeit von 57% bezüglich der drei wahrscheinlichsten Standorttypen auf dem jeweiligen Waldpixel von 25 × 25 m. Wenn die Standorttypen mit gleichem Mischung- und Verjüngungsziel betrachtet werden (Aggregation zu 42 Waldeinheiten), dann steigt die Vorhersagegenauigkeit auf 75%. Angesichts des Umstands, dass 80% der Standorttypen auf weniger als 1% der LFI-Probeflächen kartiert wurden, ist dieses Resultat zufriedenstellend. Die Modellierung liefert damit nützliche Übersichten auf nationaler oder regionaler Ebene. Zwei Fallbeispiele zeigen potenzielle Anwendungen des Modells in der Praxis: Im ersten stellen wir dar, zu welchen Anteilen die NaiSStandorttypen in der Schweiz sich als Folge des Klimawandels verschieben könnten, im zweiten, wo die aktuelle Bestockung im Kanton Zürich stark von der potenziellen natürlichen Baumartenzusammensetzung abweicht.