Modellgestützte Untersuchung von Treibhausgasminderungsoptionen beim Anbau von Energiepflanzen

Hintergrund und Zielsetzung

Nachwachsende Rohstoffe (NaWaRo) werden zur Energieerzeugung angebaut. Dadurch können fossile Energieträger eingespart und  Treibhausgasemissionen (THG-Emissionen) reduziert werden.  In der Regel wird der gebundene Kohlenstoff in der Biomasse der Atmosphäre über die CO₂-Aufnahme während der Photosynthese entzogen. NaWaRo-Kulturen sind aber nicht klimaneutral.

Bei der Nutzung von Energie- und Betriebsmitteln, beim Anbau nachwachsender Rohstoffe auf dem Feld und bei der Konversion zu nutzbaren Energieträgern (Biogas, Biotreibstoff) entstehen THG-Emissionen. Von diesen Emissionen sind insbesondere direkte und indirekte Lachgas-Emissionen aus den Anbauflächen nicht leicht zu quantifizieren. Sie entstehen über mikrobielle Abbauprozesse. Deren Intensität hängt vom Zusammenspiel natürlicher Bedingungen, zum Beispiel Witterung und Bodeneigenschaften, und den angewendeten Anbaumethoden ab.  

Es gibt Modellansätze unterschiedlicher Komplexität, die dieses Zusammenspiel beschreiben und dadurch Abschätzungen dieser THG-Emissionen ermöglichen. Über die prozessbasierten Modelle können auch Ernteerträge und Nitratauswaschung von NAWARO-Systemen quantifiziert werden. Nur wenn man alle entstehenden THG-Emissionen kennt und in Relation zum erbrachten Energieertrag setzt, kann man den Nutzen von NAWARO-Systemen bewerten und Minderungsmaßnahmen konzipieren. Prozessbasierte Modelle können hier hilfreiche Werkzeuge sein.
Allerdings sind Modelle nur vereinfachte Beschreibungen der Realität. Je komplexer sie sind, desto größer ist der Datenbedarf, und fehlende Informationen (Daten) führen zu Unsicherheiten. Dies schränkt ihre Eignung ein zur Bewertung und Optimierung von NAWARO-Systemen ein. In diesem Teilprojekt untersuchen wir deshalb, wie Datenfügbarkeit und Modellkomplexität die Abschätzung landnutzungsbedingter Lachgas-Emissionen beeinflussen.

Vorgehensweise

Um die Vorhersagegüte und Prognosefähigkeit von prozessbasierten Modellen für die NAWARO-Kulturen Mais, Weizen und Raps in Deutschland zu untersuchen, wird ein möglichst umfassender Datensatz von Feldexperimenten zusammengestellt (siehe Abbildung oben). In diesen Experimenten erfasste Lachgas-Emissionen, Ernteerträge und Nitrat-Auswaschungen werden herangezogen, um vier Modelle zu parametrisieren und zu bewerten. Um den Effekt von Datenunsicherheiten genauer zu untersuchen, werden Umfang und Datenqualität vorhandener Datensätze (Feldexperimente und flächenhaft vorliegende Daten für NRW) schrittweise verringert und die Unsicherheiten der Modellprognosen für verschiedene Modelle und Datenqualitäten verglichen.

Daten und Methoden

Untersucht werden a) das Modell HUME, entwickelt an der Christian-Albrechts-Universität zu Kiel, b) das weit verbreitete Modell DNDC sowie c) GNOC und d) MODE, zwei Kombinationen empirischer Ansätze.

Ergebnisse

Im Rahmen des Projekts wurde ein Datensatz zusammengestellt, der die bisher verfügbaren Daten zu Experimenten mit Messungen von Lachgasemissionen und landwirtschaftlichen Erträgen zusammenfasst. Der Umfang der enthaltenen Größen zur Beschreibung von Bodeneigenschaften, Managementbedingungen und meteorologischen Größen erlaubt auch zukünftig die Überprüfung und Weiterentwicklung von Modellen zur Beschreibung von Treibhausgasemissionen, landwirtschaftlicher Produktion und Bodenkohlenstoffentwicklung.

Die Ergebnisse der THG Szenarien zeigen auf, dass die Klimawirksamkeit der Bioenergieproduktion unabhängig von Pflanzenart, produziertem Energieträger oder angewendetem Modell von standörtlichen Bedingungen geprägt wird. In den modellierten Szenarien korrelierten THG Einsparung mit der direkten annuellen Lachgasemission, die sich sensitiv gegen Boden und Klimabedingungen verhielt. Damit erwiesen sich der Effekt standörtlicher Boden- und Wetterbedingungen auf jährliche direkte N₂O Emissionen als ausschlaggebend für die THG Einsparung der Bioenergieproduktion. Standörtlich differenzierte Lachgasemissionspotentiale und –emissionsminderungspotentiale sollten bei der effizienten Planung und Umsetzung von Minderungsmaßnahmen berücksichtigt werden.

Vergleichende Sensitivitätsuntersuchungen zeigten, dass der Effekt von Datenunsicherheiten bei Boden- und Klimadaten abhängig von der modellierten Zielgröße und der Art des Modells ist. Unsicherheiten in der Beschreibung von Bodendaten wirkten sich besonders auf modellierte annuelle Lachgasemissionen aus. Hier erwiesen sich prozessbasierte Modelle sensitiver gegen Datenunsicherheiten als empirische Modellansätze.

Es wurden Metamodelle auf Basis der Szenarien entwickelt, die mit geringem Datenbedarf Nitrat-Auswaschungsverluste in Abhängigkeit von Management, saisonalen Wetterbedingungen und Bodenbedingungen berechnen.