Die Europäische Wasserrahmen-Richtlinie fordert seit ihrer Einführung im Jahr 2000 eine Umsetzung von Maßnahmen, um eine gute Wasserqualität in allen Wasserkörpern in ganz Europa zu erreichen bzw. sicherzustellen. Die derzeitige Situation in Deutschland zeigt deutlich, dass weitere Maßnahmen notwendig sind. Insbesondere eine genauere Bestimmung der Verluste an Nitrat-Stickstoff wird aufgrund der hohen Schwankungsbreite hinsichtlich mineralischer und/oder organischer Düngung, der Anteile von Erntemasse und -rückständen bzw. der damit verbundenen C- und N-Transformationsprozesse in Boden und Pflanze benötigt. Die Nitratauswaschung unter landwirtschaftlich genutzten Böden ist daher der dominierende Vorgang eines unerwünschten Stickstoffverlustes, insbesondere unter wintermilden, humiden Witterungs- bedingungen und in künstlichen Drainagen. Daher stellte sich die Frage, ob eine fundierte, realitätsnahe Beschreibung aller relevanten Prozesse in Pflanze und Boden zu aussagekräftigen Resultaten für die Nitratauswaschung unter Berücksichtigung verschiedener Ursachen für Unsicherheiten führt.

Im Rahmen dieser Doktorarbeit wurde (I) die generelle Anwendbarkeit des prozessbasierten Modells CoupModel (Jansson und Karlberg, 2010) zunächst für ein Basisszenario in Form einer temporären Rotklee-Zwischenfrucht (eingesät in einen Winterweizen-Bestand) ohne die Berücksichtigung von Unsicherheiten hervorgerufen durch die Modellparametrisierung überprüft. Diese Untersuchung beinhaltete neben einer manuellen Kalibrierung gegen gemessenen Abfluss und Nitratauswaschung in einer künstlichen Drainage eine ausführliche Sensitivitätsanalyse zur Identifikation von wichtigen Modell- parametern für die Nitratauswaschung. (II) Im Rahmen von verschiedenen Ansätzen zur automatischen Modelloptimierung wurden mehrere dieser sensitiven Parameter ausgewählt, welchen eine gewisse Unsicherheit innerhalb eines vorgegebenen Wertebereichs unterstellt wurde. Sowohl der formelle Bayes’sche Ansatz als auch der informellere Generalized Likelihood Uncertainty Estimation (GLUE) Ansatz wurde danach für ein Dauergrünland unter Schnittnutzung getestet, um die resultierende Parameterverteilung und die Unsicherheit der N-Dynamik im Boden zu bewerten. Basierend darauf wurde der GLUE-Ansatz aufgrund seiner universelleren Anwendbarkeit ausgewählt, um den Einfluss der Parameter-Unsicherheit auf (III) die Wasserbilanz im Boden und (IV) die Nitratauswaschung unter verschiedenen Silomais-Systemen zu untersuchen. Weiterhin sollten der Einfluss einer einjährigen Gras-Untersaat auf die Wasserbilanz im Boden und die Effizienz zur Verminderung der Nitratauswaschung unter Silomais bewertet werden.

Die manuelle Kalibrierung des Basisszenarios lieferte plausible Ergebnisse für die Nitratauswaschung, obwohl signifikante Abweichungen zwischen gemessener und simulierter N-Fracht im Drainagewasser unter der Rotklee- Nutzung in Perioden mit erhöhtem Mineralisierungspotenzial zeitweise auftraten. Die Berücksichtigung der Variabilität von bestimmten Modell- parametern mittels einer automatischen Optimierung zeigte ebenfalls eine plausible jedoch stark schwankende Nitratauswaschung im Sickerwasser unterhalb der Hauptwurzelzone unter Grünland, hauptsächlich bestimmt durch die applizierte N-Düngung. Die ausführliche Bewertung der Wasserbilanz und der Nitratauswaschung im Silomaisanbau durch die Verwendung des GLUE- Ansatzes bestätigte sowohl den dominanten Einfluss der N-Düngung auf die auswaschbare N-Fracht als auch einen vernachlässigbaren Wasserstress durch

eine Grass-Untersaat. Eine generelle Reduktion der Nitratauswaschung durch eine Gras-Untersaat konnte jedoch nicht bestätigt, sondern nur in und nach Perioden mit unterdurchschnittlichem Niederschlag und gleichzeitig hoher N-Zufuhr (> 200 kg N ha−1 a−1) eindeutig gezeigt werden. Schließlich konnte durch die kombinierte Betrachtung von Unsicherheiten bedingt durch Messungen und Modell-Parametrisierung gezeigt werden, dass allgemein gültige Werte für die Nitratauswaschung kaum anwendbar bzw. übertragbar sind ohne Berücksichtigung einer tolerierbaren Variabilität.