Throughfall and soil properties in shaded and unshaded coffee plantations and a secondary forest: a case study from Southern Colombia

In Colombia coffee production is facing risks due to an increase in the variability and amount of rainfall, which may alter hydrological cycles and negatively influence yield quality and quantity. Shade trees in coffee plantations, however, are known to produce ecological benefits, such as intercepting rainfall and lowering its velocity, resulting in a reduced net-rainfall and higher water infiltration. In this case study, we measured throughfall and soil hydrological properties in four land use systems in Cauca, Colombia, that differed in stand structural parameters: shaded coffee, unshaded coffee, secondary forest and pasture. We found that throughfall was rather influenced by stand structural characteristics than by rainfall intensity. Lower throughfall was recorded in the shaded coffee compared to the other systems when rain gauges were placed at a distance of 1.0 m to the shade tree. The variability of throughfall was high in the shaded coffee, which was due to different canopy characteristics and irregular arrangements of shade tree species. Shaded coffee and secondary forest resembled each other in soil structural parameters, with an increase in saturated hydraulic conductivity and microporosity, whereas bulk density and macroporosity decreased, compared to the unshaded coffee and pasture. In this context tree-covered systems indicate a stronger resilience towards changing rainfall patterns, especially in mountainous areas where coffee is cultivated.

Parameter identification of structural dynamic models by inverse statistical analysis

Auf dem Gebiet der Strukturdynamik sind computergestützte Modellvalidierungstechniken inzwischen weit verbreitet. Dabei werden experimentelle Modaldaten, um ein numerisches Modell für weitere Analysen zu korrigieren. Gleichwohl repräsentiert das validierte Modell nur das dynamische Verhalten der getesteten Struktur. In der Realität gibt es wiederum viele Faktoren, die zwangsläufig zu variierenden Ergebnissen von Modaltests führen werden: Sich verändernde Umgebungsbedingungen während eines Tests, leicht unterschiedliche Testaufbauten, ein Test an einer nominell gleichen aber anderen Struktur (z.B. aus der Serienfertigung), etc. Damit eine stochastische Simulation durchgeführt werden kann, muss eine Reihe von Annahmen für die verwendeten Zufallsvariablengetroffen werden. Folglich bedarf es einer inversen Methode, die es ermöglicht ein stochastisches Modell aus experimentellen Modaldaten zu identifizieren. Die Arbeit beschreibt die Entwicklung eines parameter-basierten Ansatzes, um stochastische Simulationsmodelle auf dem Gebiet der Strukturdynamik zu identifizieren. Die entwickelte Methode beruht auf Sensitivitäten erster Ordnung, mit denen Parametermittelwerte und Kovarianzen des numerischen Modells aus stochastischen experimentellen Modaldaten bestimmt werden können.