Authors:	Zeuner, Thorsten
Title:	Landwirtschaftliche Schaderregerprognose mit Hilfe von geographischen Informationssystemen
Online publication date:	5-Feb-2008
Year of first publication:	2008
Language:	german
Abstract:	In der hier vorliegenden Arbeit wurde am Beispiel der Kraut- und Knollenfäule an Kartoffeln Phytophthora infestans und des Kartoffelkäfers Leptinotarsa decemlineata untersucht, ob durch den Einsatz von Geographischen Informationssystemen (GIS) landwirtschaftliche Schader¬reger¬prognosen für jeden beliebigen Kartoffelschlag in Deutschland erstellt werden können. Um dieses Ziel zu erreichen, wurden die Eingangsparameter (Temperatur und relative Luftfeuchte) der Prognosemodelle für die beiden Schaderreger (SIMLEP1, SIMPHYT1, SIMPHYT3 and SIMBLIGHT1) so aufbereitet, dass Wetterdaten flächendeckend für Deutschland zur Verfügung standen. Bevor jedoch interpoliert werden konnte, wurde eine Regionalisierung von Deutschland in Interpolationszonen durchgeführt und somit Naturräume geschaffen, die einen Vergleich und eine Bewertung der in ihnen liegenden Wetterstationen zulassen. Hierzu wurden die Boden-Klima-Regionen von SCHULZKE und KAULE (2000) modifiziert, an das Wetterstationsnetz angepasst und mit 5 bis 10 km breiten Pufferzonen an der Grenze der Interpolationszonen versehen, um die Wetterstationen so häufig wie möglich verwenden zu können. Für die Interpolation der Wetterdaten wurde das Verfahren der multiplen Regression gewählt, weil dieses im Vergleich zu anderen Verfahren die geringsten Abweichungen zwischen interpolierten und gemessenen Daten aufwies und den technischen Anforderungen am besten entsprach. Für 99 % aller Werte konnten bei der Temperaturberechnung Abweichungen in einem Bereich zwischen -2,5 und 2,5 °C erzielt werden. Bei der Berechnung der relativen Luftfeuchte wurden Abweichungen zwischen -12 und 10 % relativer Luftfeuchte erreicht. Die Mittelwerte der Abweichungen lagen bei der Temperatur bei 0,1 °C und bei der relativen Luftfeuchte bei -1,8 %. Zur Überprüfung der Trefferquoten der Modelle beim Betrieb mit interpolierten Wetterdaten wurden Felderhebungsdaten aus den Jahren 2000 bis 2007 zum Erstauftreten der Kraut- und Knollenfäule sowie des Kartoffelkäfers verwendet. Dabei konnten mit interpolierten Wetterdaten die gleichen und auch höhere Trefferquoten erreicht werden, als mit der bisherigen Berechnungsmethode. Beispielsweise erzielte die Berechnung des Erstauftretens von P. infestans durch das Modell SIMBLIGHT1 mit interpolierten Wetterdaten im Schnitt drei Tage geringere Abweichungen im Vergleich zu den Berechnungen ohne GIS. Um die Auswirkungen interpretieren zu können, die durch Abweichungen der Temperatur und der relativen Luftfeuchte entstanden wurde zusätzlich eine Sensitivitätsanalyse zur Temperatur und relativen Luftfeuchte der verwendeten Prognosemodelle durchgeführt. Die Temperatur hatte bei allen Modellen nur einen geringen Einfluss auf das Prognoseergebnis. Veränderungen der relativen Luftfeuchte haben sich dagegen deutlich stärker ausgewirkt. So lag bei SIMBLIGHT1 die Abweichung durch eine stündliche Veränderung der relativen Luftfeuchte (± 6 %) bei maximal 27 Tagen, wogegen stündliche Veränderungen der Temperatur (± 2 °C) eine Abweichung von maximal 10 Tagen ausmachten. Die Ergebnisse dieser Arbeit zeigen, dass durch die Verwendung von GIS mindestens die gleichen und auch höhere Trefferquoten bei Schaderregerprognosen erzielt werden als mit der bisherigen Verwendung von Daten einer nahegelegenen Wetterstation. Die Ergebnisse stellen einen wesentlichen Fortschritt für die landwirtschaftlichen Schaderregerprognosen dar. Erstmals ist es möglich, bundesweite Prognosen für jeden beliebigen Kartoffelschlag zur Bekämpfung von Schädlingen in der Landwirtschaft bereit zu stellen. This study shows that it is possible to obtain results with higher accuracy for agricultural forecasting models for Late Blight and Colorado Beetle by using Geographic Information Systems (GIS). To achieve this aim spatial weather data (temperature and relative humidity) for Germany are needed to calculate the forecasting models (SIMLEP1, SIMPHYT1, SIMPHYT3 and SIMBLIGHT1). First the landscape was divided into geographic regions, to make it possible to interpret the met. data of each region. Therefore the Soil-Climate-Regions by SCHULZKE und KAULE (2000) were modified and optimised to the network of met. stations. Around each region, a buffer of five to ten kilometres was built in order to use every met. station as often as possible in different regions. Then the multiple regression method was chosen to calculate the interpolation of met. data because it gave the best results by the shortest calculation time of all tested interpolation methods. To validate the results of the interpolation some met. stations were left out of the interpolation process. The deviation between calculated values and measured data was between -2.5 and 2.5 for temperature and -12 and 10 % for relative humidity. The mean of the deviation was for temperature 0.1 °C and for relative humidity -1.8 %. Next the results of the forecasting models with calculated met. data were validated against a set of field data collected from 2000 to 2007. The calculations of the forecasting model with interpolated data resulted in the same or higher accuracy compared to calculation with measured data. For example the mean results of the forecasting model SIMBLIGHT1 using GIS lead to a five to eight days higher accuracy than the calculations without GIS. Finally the effects of the temperature and the relative humidity on the forecasting models were interpreted by a weather sensitivity test. For all models it was shown that the temperature on the model result was less than the effect of relative humidity. A modification of the hourly relative humidity (± 6 %) for the model SIMBLGHT1 resulted in a deviation of 27 days. The deviation for the modification of temperature (± 2 °C) of the same model was 10 days. With the combination of forecasting models and the use of analyses and methods from GIS a significant advance in the advising of farmers can be reached. The methods and analyses with GIS will help to obtain more detailed calculations and results with higher validity as before. GIS and forecasting models will lead to easier control of Late Blight and of the Colorado Beetle.
DDC:	550 Geowissenschaften 550 Earth sciences
Institution:	Johannes Gutenberg-Universität Mainz
Department:	FB 09 Chemie, Pharmazie u. Geowissensch.
Place:	Mainz
ROR:	https://ror.org/023b0x485
DOI:	http://doi.org/10.25358/openscience-4013
URN:	urn:nbn:de:hebis:77-15490
Version:	Original work
Publication type:	Dissertation
License:	In Copyright
Information on rights of use:	https://rightsstatements.org/vocab/InC/1.0/
Appears in collections:	JGU-Publikationen