Das Ziel dieser Arbeit ist es statistische Methoden zu analysieren und gegebenenfalls zu entwickeln, um räumliche und zeitliche Variabilität in Ertragskarten besser erklären zu können. Verschiedene Methoden der Ertragsdatenanalyse werden miteinander verglichen. Die Arbeit basiert auf den Doktorarbeiten von BLACKMORE (Cranfield University at Silsoe) and STEINMAYR (TUM Weihenstephan), die wiederum eine Fortsetzung der Arbeit von BLACKMORE war.
Ertragskarten werden üblicherweise in zwei Schritten erstellt. Im ersten Schritt werden die Daten korrigiert, d.h. fehlerhafte Datenstränge werden entweder korrigiert oder aus dem Datensatz gelöscht. Weil die Methoden sich oft nur in diesem ersten Schritt unterscheiden, werden zunächst mögliche Fehlerquellen untersucht. Im zweiten Schritt wird die eigentliche Karte, meist durch Interpolation, erstellt. Die gängigsten Methoden hierzu sind Kriging und Inverse-Distanz.
In der Arbeit werden drei verschiedene Methoden miteinander verglichen: die „Expert-Filter” von BLACKMORE und STEINMAYR, sowie die „H-Methode“ von NOACK. Es wird analysiert wie viele Datenpunkte jeweils korrigiert bzw. gelöscht werden.
Für die Analyse räumlicher und zeitlicher Variabilität standen Datensätze von der TUM und der Cranfield University zur Verfügung. In einer ersten Untersuchung fand BLACKMORE Stabilität bei der räumlichen Analyse von Erträgen über mehrere Jahre. In Folgeuntersuchungen stellte sich jedoch Instabilität heraus. BLACKMORE vermutet das zeitliche Schwankungen der Niederschlagsmenge die Ursache seien. STEINMAYR, der BLACKMORE’s Methode weiterentwickelt hat, fand wiederum Stabilität in den deutschen Datensätzen.
Verschiedene Untersuchungen aus unterschiedlichen Ländern deuten auf Wasser als den relevanten Faktor hin. So findet man hohe Stabilität in trockenen Regionen wie Australien, sowie auf bewässerten Flächen in den USA. Regionen mit unregelmäßigen Niederschlägen weisen dagegen höhere Ertragsschwankungen auf. Im Rahmen dieser Arbeit wurde deshalb ein Zwischenschritt in den oben beschriebenen Prozess der Ertragskartenerstellung eingefügt. Um zeitliche Trends zu bestimmen wurden die Datensätze in „trockene“ und „feuchte“ Jahre aufgespalten.
Die Ergebnisse zeigen deutlich, dass die Standardabweichung der Erträge nach dieser Aufgliederung im Mittel sinkt.
«
Das Ziel dieser Arbeit ist es statistische Methoden zu analysieren und gegebenenfalls zu entwickeln, um räumliche und zeitliche Variabilität in Ertragskarten besser erklären zu können. Verschiedene Methoden der Ertragsdatenanalyse werden miteinander verglichen. Die Arbeit basiert auf den Doktorarbeiten von BLACKMORE (Cranfield University at Silsoe) and STEINMAYR (TUM Weihenstephan), die wiederum eine Fortsetzung der Arbeit von BLACKMORE war.
Ertragskarten werden üblicherweise in zwei Schritten...
»