Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie

Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie

Institut für Meteorologie und Geophysik der J. W. Goethe-Universität Frankfurt/M.

Witterungseinflüsse auf Ernteerträge in der BRD (West) 1950 - 1998

Tim Staeger

Gliederung:

1. Daten

2. Einfache statistische Zusammenhänge

4. Regressions-Modell

5. Ausgewählte Ergebnisse der Regression

6. Zusammenfassung II

3. Zusammenfassung I

Teil II:

Teil I:

1. Daten:

1: Winterweizen 2: Sommerweizen 3: Wintergerste 4: Sommergerste 5: Roggen 6: Hafer 7: Frühkartoffeln 8: Spätkartoffeln 9: Zuckerrüben10: Runkelrüben11: Dauerweißkohl12: Dauerrotkohl13: Dauerwirsing14: Grass15: Klee16: Winterraps17: Sommerraps18: Ackerbohnen19: Körnermais20: Spargel21: Erdbeeren

1: Bayern 2: Baden-Württemberg 3: Rheinland-Pfalz 4: Hessen 5: Nordrhein-Westfalen 6: Niedersachsen 7: Schleswig-Holstein

Jährliche Erträge in [t/ha] 1950 – 1998 von 21 ausgewählten Fruchtarten für 7 Bundesländer (BRD West)

Quelle: Statistisches Bundesamt

a) Die Ertragsdaten:

Welcher Anteil der Variationen in Ertragsreihen kann potentiell Witterungseinflüssen zugeordnet werden?

Winterweizen BRD

Jahr

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

Ert

rag

in

[t

/ ha]

0

1

2

3

4

5

6

7

8

Runkelrüben Bayern

Jahr

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

Ert

rag

in

[t

/ ha]

0

10

20

30

40

50

60

70

80

90

100

110

120

130

Weizen Gerste Roggen Hafer

Wildpflanzen 2 – 3 2 – 3

14./15. Jhr. 5 4 5 3

16./17. Jhr. 9 6 8 4

um 1800 10 8 9 6

um 1890 14 13 10 12

um 1910 20 18 17 17

1950 26 24 22 22

1962 29 24 21 27

1975 46 40 34 37

1977 80 70 - -

Ertragsentwicklung (dt/ha) von Getreidearten:

1 heutige Wildpflanzenbestände im vorderasiatischen Raum; 2 Norddeutscher Raum;

3 Deutsches Reich; 4 BRD; 5 Spitzenerträge landwirtschaftlicher Betriebe in der BRD

Nach Geisler 1988

Annahme: Der Trend in den Ertrags-Zeitreihen kann nicht auf meteorologische Ursachen zurückgeführt werden

Desshalb: Hochpassfilterung zur Elimination dieses tieffrequenten Anteils

Verwendung der Residuen nach 10-jähriger Gauss‘scher Tiefpassfilterung

Folge: Die eventuell vorhandenen Wirkungen langfristiger Klimatrends können nicht mehr untersucht werden.

Ziel ist es also witterungsbedingte Schwankungen in den Ertrags-Zeitreihen zu identifizieren.

Winterweizen BRD

Jahr

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

Ert

rag

in

[t

/ ha]

0

1

2

3

4

5

6

7

8

Runkelrüben Bayern

Jahr

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

Ert

rag

in

[t

/ ha]

0

10

20

30

40

50

60

70

80

90

100

110

120

130

Runkelrüben Bayern hochpassgefiltert

Jahr

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

Ert

rag

in

[t

/ ha]

-50

-40

-30

-20

-10

0

10

20

30

40

50

Winterweizen BRD hochpassgefiltert

Jahr

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

Ert

rag

in [

t / h

a]

-1,5

-1,0

-0,5

0,0

0,5

1,0

1,5

b) Die Klimadaten:

Rohdaten: Monatsmittel bzw. -summen von Temperatur und Niederschlag auf einem 0,5 x 0,5 Gitter 1950 - 1998

Quelle: C. Willmott und K. Matsuura, University of Delaware

Vorbehandlung:

Zur Erhaltung jeweils einer einzigen repräsentativen Zeitreihe pro Bundesland:

EOF-Zerlegung der in diesem Bundesland liegenden Gitterpunktsreihen und Verwendung der 1. PC-Zeitreihe.

Nachfolgend Hochpassfilterung analog den Ertragsreihen.

2. Einfache statistische Zusammenhänge:

a) Witterungssensitivität:

Fragestellung: Wie unterschiedlich stark reagieren verschieden Fruchtarten auf Witterungseinflüsse?

Ansatz: Als Maß dient die Standardabweichung der hochpassgefilterten Ertragsreihe, die mit dem Mittelwert der ungefilterten Reihe normiert wird:

u

f

mw

sSn

"Sensitivität" Baden-Württemberg

8 20 18 19 10 4 7 2 6 1 21 12 5 9 15 3 14 11 13 17 16 MW

"Sen

siti

vitä

t"

0

2

4

6

8

10

12

0

2

4

6

8

10

12 1: Winterweizen 2: Sommerweizen 3: Wintergerste 4: Sommergerste 5: Roggen 6: Hafer 7: Frühkartoffeln 8: Spätkartoffeln 9: Zuckerrüben10: Runkelrüben11: Dauerweißkohl12: Dauerrotkohl13: Dauerwirsing14: Gras15: Klee16: Winterraps17: Sommerraps18: Ackerbohnen19: Körnermais20: Spargel21: Erdbeeren

BAY BWB RPF HES NRW NSA SHS MW

Spargel 2 2 7 3 2 1 2 2,7

Runkelrüben 3 5 3 9 3 3 10 5,1

Hafer 8 9 2 10 1 2 5 5,3

Spätkartoffeln 1 1 5 4 8 10 8 5,3

Sommergerste 6 6 6 16 9 4 6 7,6

Erdbeeren 5 11 9 1 10 6 15 8,1

Frühkartoffeln 4 7 10 7 4 21 15 9,7

Ackerbohnen 15 3 1 8 18 17 12 10,6

Körnermais 9 4 14 20 11 7 (1) 10,8

Sommerweizen 12 8 8 14 13 8 17 11,4

Sommerraps 16 20 18 5 5 14 4 11,7

Dauerweißkohl 18 18 19 12 6 16 3 13,1

Gras 21 17 4 6 19 15 11 13,3

Winterraps 14 21 12 11 16 11 9 13,4

Dauerrotkohl 17 12 20 15 14 13 7 14,0

Dauerwirsing 19 19 21 2 21 5 13 14,3

Zuckerrüben 13 14 16 18 12 9 19 14,4

Roggen 10 13 15 21 7 18 18 14,6

Winterweizen 11 10 17 19 15 12 21 15,0

Wintergerste 7 16 11 17 17 19 20 15,3

Klee 20 15 13 13 20 20 - 16,8

„Sensitivitätsrangliste“:

b) Korrelationen zwischen Ertragsreihen:

Fragestellungen:

Gibt es Fruchtarten, die aufgrund ihrer ähnlichen Ertragsentwicklung zu Gruppen zusammengefasst werden können?

Wie gut ist die Repräsentanz einzelner Fruchtarten innerhalb der untersuchten Bundesländer?

Nordrhein-Westfalen "Top 10"

11-12 1-2 2-6 11-13 12-13 9-11 7-8 9-10 2-4 9-12

Pea

rson

Kor

rela

tions

koef

f.

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Nordrhein-Westfalen "Flop 10"

14-16 4-20 20-21 1-15 18-20 2-20 7-21 5-15 6-20 17-20

Pea

rson

Kor

rela

tions

koef

f.

-1,0

-0,9

-0,8

-0,7

-0,6

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

-1,0

-0,9

-0,8

-0,7

-0,6

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

1: Winterweizen 2: Sommerweizen 3: Wintergerste 4: Sommergerste 5: Roggen 6: Hafer 7: Frühkartoffeln 8: Spätkartoffeln 9: Zuckerrüben10: Runkelrüben11: Dauerweißkohl12: Dauerrotkohl13: Dauerwirsing14: Gras15: Klee16: Winterraps17: Sommerraps18: Ackerbohnen19: Körnermais20: Spargel21: Erdbeeren

Gruppe: Mitglieder:

Getreide

Winterweizen

Sommerweizen

Wintergerste

Sommergerste

Roggen

Hafer

Kohl Dauerrotkohl

Dauerweisskohl

Dauerwirsing

Kartoffeln Frühkartoffeln

Spätkartoffeln

Rüben Runkelrüben

Zuckerrüben

Gras / Klee Gras

Klee

Raps Winterraps

Sommerraps

Bildung von Gruppen:

Dauerwirsing

5-6 4-6 1-2 2-3 1-6 1-5 1-4 1-3 2-6 2-5 4-5 3-5 2-4 6-7 1-7 3-6 2-7 4-7 5-7 3-4 3-7

Pea

rson

Kor

rela

tions

koef

f.

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0


Runkelrüben

5-6 6-7 1-3 1-4 4-6 3-4 1-2 2-3 4-5 2-4 1-6 1-7 3-5 2-5 2-6 1-5 3-6 4-7 5-7 2-7 3-7

Pea

rson

Kor

rela

tions

koef

f.

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Fruchtart: MW r:

Runkelrüben 0,678

Zuckerrüben 0,652

Hafer 0,651

Klee 0,629

Sommergerste 0,614

Gras 0,578

Wintergerste 0,576

Spätkartoffeln 0,561

Spargel 0,541

Ackerbohnen 0,529

Frühkartoffeln 0,522

Roggen 0,511

Winterweizen 0,509

Winterraps 0,479

Körnermais 0,449

Sommerraps 0,425

Sommerweizen 0,417

Dauerweißkohl 0,376

Dauerrotkohl 0,372

Erdbeeren 0,278

Dauerwirsing 0,253

c) Korrelationen zwischen Ertragsreihen und Klimadaten:

Fragestellungen:

Gibt es bestimmte Monate, die für ausgewählte Fruchtarten und Klimaelemente von besonderer Bedeutung sind?

Weisen aus Temperatur und Niederschlag abgeleitete Einflussgrößen hohe und plausible Korrelationen auf?

Ackerbohnen / Baden-Württemberg, Temperatur

Feb Mar Apr Mai Jun Jul Aug Sep Okt

Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Ackerbohnen / Baden-Württemberg, Niederschlag


Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Spargel / Niedersachsen, Temperatur

Feb Mar Apr Mai Jun

Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

Spargel / Niedersachsen, Niederschlag

Feb Mar Apr Mai Jun

Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Abgeleitete Einfluss-Zeitreihen:

I: Quadrieren:

Vorstellung: Die Pflanze reagiert auf Extreme – sind Temperatur und/oder Niederschlag in einem „gemäßigten“ Bereich, wirken sie sich nur schwach auf den Ertrag aus.

1.PC Temperatur Junimittel 1950-1998 Hessen

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

EO

F-t

rans

form

iert

e T

-Ano

mal

ien

-6

-4

-2

0

2

4

6

8

10

12

14

T² Junimittel 1950-1998 Hessen

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

quad

riert

e T

-Ano

mal

ien

0

1

2

3

4

5

6

7

Ackerbohnen / Baden-Württemberg, Temperatur quadratisch


Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Ackerbohnen / Baden-Württemberg, Niederschlag quadratisch


Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Spargel / Niedersachsen, Temperatur quadratisch

Feb Mar Apr Mai Jun

Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Spargel / Niedersachsen, Niederschlag quadratisch

Feb Mar Apr Mai Jun

Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

II: Produkt- und Quotientenreihen aus T und N:

Vorstellung: Temperatur und Niederschlag wirken in Kombination. Ist z.B. ein Sommermonat zu trocken und zu warm kann es bei bestimmten Fruchtarten zu Ernteeinbrüchen kommen. Hierbei verstärken Produktreihen gleichsinnige Anomalien, Quotientenreihen gegensinnige Anomalien.

T * N Juni 1950-1998 Hessen

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

T *

N A

nom

alie

n

-3

-2

-1

0

1

2

3

T / N Juni 1950-1998 Hessen

1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

T /

N A

nom

alie

n

-2

-1

0

1

2

3

4

Ackerbohnen / Baden-Württemberg, T*N


Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Ackerbohnen / Baden-Württemberg, T/N


Pea

rson

-Kor

rela

tions

koef

f.

-0,6

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Spargel / Niedersachsen, T*N

Feb Mar Apr Mai Jun

Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

Spargel / Niedersachsen, T/N

Feb Mar Apr Mai Jun

Pea

rson

-Kor

rela

tions

koef

f.

-0,5

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

3. Zusammenfassung I:

Es scheint nicht möglich Wirkungen von Klimatrends in Ertragsreihen zu finden, da deren Trends zum weitaus größten Teil der Züchtungsvarianz zugeordnet werden muss.

Die Witterungssensitivität der einzelnen Fruchtarten ist in den unterschiedlichen Bundesländern z.T. sehr verschieden. Spargel ist jedoch mit Abstand am sensitivsten; Wintergetreide und Kohl dagegen eher „robust gegenüber Witterungseinflüssen.

Verschiedene Fruchtarten lassen sich aufgrund hoher Korrelationen zwischen den Ertragsreihen zu Gruppen wie z.B. Getreide zusammenfassen.

Die räumliche Repräsentanz des Ertrages einzelner Fruchtarten ist sehr unterschiedlich. Am höchsten ist sie bei Rüben, am niedrigsten für Kohl und Erdbeeren.

Die linearen Korrelationskoeffizienten zwischen Erträgen und den verwendeten Klimaelementen zeigen z.T. deutliche und interpretierbare Charakteristika.

Die Korrelationen mit abgeleiteten Einflussreíhen (T², N², TN T/N) lassen sich z.T. ebenfalls plausibel interpretieren, was deren Verwendung rechtfertigt.

4. Regressionsmodell:

Problemstellung:

Es existieren sehr viele potentielle Regressoren (Monatsmittel bzw. –summen der Vegetationsperiode, quadratische und kombinierte Einflussreihen).

Das Modell soll jedoch nur die wichtigsten Einflüsse berücksichtigen, um möglichst interpretierbar zu sein und eine Überanpassung zu vermeiden.

Ansatz: Modellauswahl mittels

Schrittweiser Regression

Reservoir Rpot

Vorwärts-Regression:MLR mit Rn und Ri

für jedes einzelne Ri

Ist der sig. Reg.-Koeff. noch

signifikant?

Ende; Modell:

n

nnRay

Modell: ssn

nn RbRby

Rückwärts-Regression:MLR mit Rn ohne Rj

für jedes einzelne Rj

Ist der unsig. Reg.-Koeff. noch

signifikant?

Modell: ddn

nn RcRcy

nein

ja

nein

ja

Rd zurück ins Reservoir

Potentielle Regressoren:

Monatsmittel der Temperatur und Monatssummen des Niederschlages ab einem Monat vor Beginn der Vegetationsperiode bis zum mittleren Erntemonat.

Analog quadratische Reihen der Temperatur und des Niederschlages, sowie Produkt- und Quotientenreihen.

Weiterhin über die Vegetationsperiode gemittelte (einschließlich quadrierter und kombinierter) Reihen.

5. Ausgewählte Ergebnisse der Regression:

Häufigkeitsverteilung der Modelldimensionen

Anzahl der Regressoren

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Abs

olu

te H

äufig

keit

0123456789

10111213141516171819202122

012345678910111213141516171819202122

a) Modelldimensionen:

Anzahl potentieller Regressoren: 34 -78


b) Erklärte Varianzen:

Bayern

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

proz

entu

ale

erkl

ärte

Var

ian

z

0

10

20

30

40

50

60

70

80

90

100

0

10

20

30

40

50

60

70

80

90

100




Bayern

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

proz

entu

ale

erkl

ärte

Var

ian

z

0

10

20

30

40

50

60

70

80

90

100

0

10

20

30

40

50

60

70

80

90

100




Baden-Württemberg

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

pro

zent

uale

erk

lärt

e V

aria

nz

0

10

20

30

40

50

60

70

80

90

100




Über „1-Sigma“-Schwelle:

Über „2-Sigma“-Schwelle:

Baden-Württemberg 18 12

Niedersachsen 16 9

Rheinland-Pfalz 17 8

Bayern 16 8

Hessen 13 8

Schleswig-Holstein (20) 11 8

Nordrhein-Westfalen 18 5

Winterweizen

1 2 3 4 5 6 7

pro

zen

tua

le e

rkkl

ärt

e V

aria

nz

0

10

20

30

40

50

60

70

80

90

100

Sommerweizen

1 2 3 4 5 6 7

pro

zen

tua

le e

rkkl

ärt

e V

aria

nz

0

10

20

30

40

50

60

70

80

90

100

Wintergerste

1 2 3 4 5 6 7

pro

zen

tua

le e

rkkl

ärt

e V

aria

nz

0

10

20

30

40

50

60

70

80

90

100

Sommergerste

1 2 3 4 5 6 7

pro

zen

tua

le e

rkkl

ärt

e V

aria

nz

0

10

20

30

40

50

60

70

80

90

100

Roggen

1 2 3 4 5 6 7

pro

zen

tua

le e

rkkl

ärt

e V

aria

nz

0

10

20

30

40

50

60

70

80

90

100

Hafer

1 2 3 4 5 6 7p

roze

ntu

ale

erk

klä

rte

Va

rianz

0

10

20

30

40

50

60

70

80

90

100


Über „1-Sigma“-Schwelle: Über „2-Sigma“-Schwelle:

Sommergerste 7 6

Frühkartoffeln 7 6

Spargel 6 5

Klee (6) 6 4

Zuckerrüben 7 4

Hafer 7 4

Dauerrotkohl 6 4

Gras 5 4

Ackerbohnen 5 4

Spätkartoffeln 6 3

Dauerweißkohl 6 3

Runkelrüben 5 3

Sommerraps 4 3

Sommerweizen 4 2

Roggen 5 1

Dauerwirsing 4 1

Winterraps 3 1

Erdbeeren 5 0

Wintergerste 4 0

Winterweizen 4 0

Körnermais 2 0

c) Selektierte Regressoren:

Getreide

Getreide - BRD (West), Temperatur

Monat

v8 v9 v10 v11 2 3 4 5 6 7 8 9 vp

Häu

figke

it

0

5

10

15

20

25

30

35

Getreide - BRD (West), Niederschlag

Monat

v8 v9 v10 v11 2 3 4 5 6 7 8 9 vp

Häu

figke

it

0

5

10

15

20

25

30

35

Getreide - BRD (West), Temperatur quadratisch

Monat

v8 v9 v10 v11 2 3 4 5 6 7 8 9 vp

Häu

figke

it

0

5

10

15

20

25

30

35

Getreide - BRD (West), Niederschlag quadrstisch

Monat

v8 v9 v10 v11 2 3 4 5 6 7 8 9 vp

Häu

figke

it

0

5

10

15

20

25

30

35

Getreide - BRD (West), T * N

Monat

v8 v9 v10 v11 2 3 4 5 6 7 8 9 vp

Häu

figke

it

0

5

10

15

20

25

30

35

Getreide - BRD (West), T / N

Monat

v8 v9 v10 v11 2 3 4 5 6 7 8 9 vp

Häu

figke

it

0

5

10

15

20

25

30

35

Regressor: + -

T 6 1 13

N 4 2 29

TN 4 3 25

TN 7 0 16

T/N 4 7 9

Rüben - BRD (West), Temperatur

Monat

2 3 4 5 6 7 8 9 10 11 12 vp

Häu

figke

it

0

2

4

6

8

10

Rüben - BRD (West), Niederschlag

Monat

2 3 4 5 6 7 8 9 10 11 12 vp

Häu

figke

it

0

2

4

6

8

10

Rüben - BRD (West), Temperatur quadratisch

Monat

2 3 4 5 6 7 8 9 10 11 12 vp

Häu

figke

it

0

2

4

6

8

10

Rüben - BRD (West), Niederschlag quadrstisch

Monat

2 3 4 5 6 7 8 9 10 11 12 vp

Häu

figke

it

0

2

4

6

8

10

Rüben - BRD (West), T * N

Monat

2 3 4 5 6 7 8 9 10 11 12 vp

Häu

figke

it

0

2

4

6

8

10

Rüben - BRD (West), T / N

Monat

2 3 4 5 6 7 8 9 10 11 12 vp

Häu

figke

it

0

2

4

6

8

10

Rüben

Regressor: + -

T 7 3 5

N 8 6 1

T² 7 0 10

TN 7 0 6

T/N 8 2 5

Gras / Klee - BRD (West), Temperatur

Monat

2 3 4 5 6 7 8 9 10 vp

Häu

figke

it

0

2

4

6

8

10

12

14

Gras / Klee - BRD (West), Niederschlag

Monat

2 3 4 5 6 7 8 9 10 vp

Häu

figke

it

0

2

4

6

8

10

12

14

Gras / Klee - BRD (West), Niederschlag quadrstisch

Monat

2 3 4 5 6 7 8 9 10 vp

Häu

figke

it

0

2

4

6

8

10

12

14

Gras / Klee - BRD (West), Temperatur quadratisch

Monat

2 3 4 5 6 7 8 9 10 vp

Häu

figke

it

0

2

4

6

8

10

12

14

Gras / Klee - BRD (West), T * N

Monat

2 3 4 5 6 7 8 9 10 vp

Häu

figke

it

0

2

4

6

8

10

12

14

Gras / Klee - BRD (West), T / N

Monat

2 3 4 5 6 7 8 9 10 vp

Häu

figke

it

0

2

4

6

8

10

12

14

Gras / Klee

Regressor: + -

T 6 / T 7 2 8

N 6 11 2

T² 6 1 10

T/N 6 2 5

T/N VP 0 8

6. Zusammenfassung II:

Die verwendete Selektionsstrategie versucht ein möglichst einfaches Modell relevanter Regressoren zu finden, deren Koeffizienten einem Signifikanztest unterzogen werden.

Die Modelldimensionen variieren zwischen 2 und 14 mit einem Maximum bei 8 Regressoren.

Die Signifikanz der erklärten Varianzen wurde mit Hilfe von Zufallsreihen qualitativ abgeschätzt.

Durch diese Abschätzung ergibt sich, dass etwa 75% der erklärten Varianzen die „1-Sigma“-Schwelle, und etwa 40 % die „2-Sigma“-Schwelle überschreiten.

Am stärksten heben sich die e.V.‘s von Baden-Württemberg, sowie von Sommergerste, Frühkartoffeln und Spargel vom Zufall ab; am zufälligsten sind jene aus NRW bzw. Schleswig-Holstein, sowie von Wintergerste, Winterweizen und Körnermais.

Die selektierten Regressoren sind für unterschiedliche Fruchtarten und –Gruppen z.T. charakteristisch verteilt. Besonders auffällig ist:

Bei Getreide wirkt sich zuviel Niederschlag im April negativ auf die Erträge aus.

Documents

Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie