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
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
1: Bayern 2: Baden-Württemberg 3: Rheinland-Pfalz 4: Hessen 5: Nordrhein-Westfalen 6: Niedersachsen 7: Schleswig-Holstein
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
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
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
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 quadratisch
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
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
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, T/N
Feb Mar Apr Mai Jun Jul Aug Sep Okt
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
5. Ausgewählte Ergebnisse der Regression:
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
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
5. Ausgewählte Ergebnisse der Regression:
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
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
5. Ausgewählte Ergebnisse der Regression:
b) Erklärte Varianzen:
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
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
5. Ausgewählte Ergebnisse der Regression:
b) Erklärte Varianzen:
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
1: Bayern 2: Baden-Württemberg 3: Rheinland-Pfalz 4: Hessen 5: Nordrhein-Westfalen 6: Niedersachsen 7: Schleswig-Holstein
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.