Witterungseinflüsse auf Ernteerträge in der BRD (West) 1950

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:
Teil I:
1. Daten
2. Einfache statistische Zusammenhänge
3. Zusammenfassung I
Teil II:
4. Regressions-Modell
5. Ausgewählte Ergebnisse der Regression
6. Zusammenfassung II
1. Daten:
a) Die Ertragsdaten:
Jährliche Erträge in [t/ha] 1950 – 1998 von 21
ausgewählten Fruchtarten für 7 Bundesländer (BRD West)
Quelle: Statistisches Bundesamt
1: Winterweizen
2: Sommerweizen
3: Wintergerste
4: Sommergerste
5: Roggen
6: Hafer
7: Frühkartoffeln
8: Spätkartoffeln
9: Zuckerrüben
10: Runkelrüben
11: Dauerweißkohl
12: Dauerrotkohl
13: Dauerwirsing
14: Grass
15: Klee
16: Winterraps
17: Sommerraps
18: Ackerbohnen
19: Körnermais
20: Spargel
21: Erdbeeren
1: Bayern
2: Baden-Württemberg
3: Rheinland-Pfalz
4: Hessen
5: Nordrhein-Westfalen
6: Niedersachsen
7: Schleswig-Holstein
Welcher Anteil der Variationen in Ertragsreihen kann
potentiell Witterungseinflüssen zugeordnet werden?
Runkelrüben Bayern
Winterweizen BRD
8
130
120
7
110
100
Ertrag in [t / ha]
Ertrag in [t / ha]
6
5
4
3
90
80
70
60
50
40
2
30
20
1
10
0
1950
1955
1960
1965
1970
1975
Jahr
1980
1985
1990
1995
0
1950
1955
1960
1965
1970
1975
Jahr
1980
1985
1990
1995
Ertragsentwicklung (dt/ha) von Getreidearten:
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
-
-
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.
Runkelrüben Bayern
Winterweizen BRD
130
8
120
7
110
100
Ertrag in [t / ha]
Ertrag in [t / ha]
6
5
4
3
90
80
70
60
50
40
2
30
20
1
10
0
1950
1955
1960
1965
1970
1975
1980
1985
1990
0
1950
1995
1955
1960
1965
1970
1975
1980
1985
1990
1995
Jahr
Jahr
Runkelrüben Bayern hochpassgefiltert
Winterweizen BRD hochpassgefiltert
50
1,5
40
1,0
30
Ertrag in [t / ha]
Ertrag in [t / ha]
20
0,5
0,0
-0,5
10
0
-10
-20
-30
-1,0
-40
-1,5
1950
1955
1960
1965
1970
1975
Jahr
1980
1985
1990
1995
-50
1950
1955
1960
1965
1970
1975
Jahr
1980
1985
1990
1995
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:
Sn 
sf
mwu
"Sensitivität" Baden-Württemberg
12
12
"Sensitivität"
10
10
8
8
6
6
4
4
2
2
0
0
8 20 18 19 10 4 7 2 6 1 21 12 5 9 15 3 14 11 13 17 16
MW
1: Winterweizen
2: Sommerweizen
3: Wintergerste
4: Sommergerste
5: Roggen
6: Hafer
7: Frühkartoffeln
8: Spätkartoffeln
9: Zuckerrüben
10: Runkelrüben
11: Dauerweißkohl
12: Dauerrotkohl
13: Dauerwirsing
14: Gras
15: Klee
16: Winterraps
17: Sommerraps
18: Ackerbohnen
19: Körnermais
20: Spargel
21: Erdbeeren
„Sensitivitätsrangliste“:
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
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?
Pearson Korrelationskoeff.
Nordrhein-Westfalen "Top 10"
1,0
1,0
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
0,0
0,0
11-12
1-2
2-6
11-13 12-13 9-11
7-8
9-10
2-4
9-12
Pearson Korrelationskoeff.
Nordrhein-Westfalen "Flop 10"
0,0
0,0
-0,1
-0,1
-0,2
-0,2
-0,3
-0,3
-0,4
-0,4
-0,5
-0,5
-0,6
-0,6
-0,7
-0,7
-0,8
-0,8
-0,9
-0,9
-1,0
-1,0
14-16 4-20
20-21 1-15
18-20 2-20
7-21
5-15
6-20
17-20
1: Winterweizen
2: Sommerweizen
3: Wintergerste
4: Sommergerste
5: Roggen
6: Hafer
7: Frühkartoffeln
8: Spätkartoffeln
9: Zuckerrüben
10: Runkelrüben
11: Dauerweißkohl
12: Dauerrotkohl
13: Dauerwirsing
14: Gras
15: Klee
16: Winterraps
17: Sommerraps
18: Ackerbohnen
19: Körnermais
20: Spargel
21: Erdbeeren
Bildung von Gruppen:
Gruppe:
Getreide
Kohl
Kartoffeln
Rüben
Gras / Klee
Raps
Mitglieder:
Winterweizen
Sommerweizen
Wintergerste
Sommergerste
Roggen
Hafer
Dauerrotkohl
Dauerweisskohl
Dauerwirsing
Frühkartoffeln
Spätkartoffeln
Runkelrüben
Zuckerrüben
Gras
Klee
Winterraps
Sommerraps
1,0
Pearson Korrelationskoeff.
0,9
1,0
Runkelrüben
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Runkelrüben
0,678
0,5
0,5
Zuckerrüben
0,652
0,4
0,4
Hafer
0,651
0,3
0,3
Klee
0,629
0,2
0,2
Sommergerste
0,614
0,1
0,1
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
0,9
Körnermais
0,449
0,8
0,8
Sommerraps
0,425
0,7
0,7
0,6
0,6
Sommerweizen
0,417
0,5
0,5
Dauerweißkohl
0,376
0,4
0,4
Dauerrotkohl
0,372
0,3
0,3
Erdbeeren
0,278
0,2
0,2
0,1
0,1
Dauerwirsing
0,253
0,0
0,0
-0,1
-0,1
0,0
0,0
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
1: Bayern
2: Baden-Württemberg
3: Rheinland-Pfalz
4: Hessen
5: Nordrhein-Westfalen
6: Niedersachsen
7: Schleswig-Holstein
1,0
Pearson Korrelationskoeff.
0,9
1,0
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
Fruchtart:
MW r:
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
Spargel / Niedersachsen, Temperatur
0,5
0,7
0,4
0,6
Pearson-Korrelationskoeff.
Pearson-Korrelationskoeff.
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
0,5
0,4
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,4
-0,4
-0,5
-0,5
Feb
Mar
Apr
Mai
Jun
Jul
Aug
Sep
Okt
Feb
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,1
0,0
-0,1
-0,2
Mai
Jun
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,3
-0,4
-0,4
-0,5
Apr
Spargel / Niedersachsen, Niederschlag
Pearson-Korrelationskoeff.
Pearson-Korrelationskoeff.
Ackerbohnen / Baden-Württemberg, Niederschlag
Mar
-0,5
Feb
Mar
Apr
Mai
Jun
Jul
Aug
Sep
Okt
Feb
Mar
Apr
Mai
Jun
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.
T² Junimittel 1950-1998 Hessen
1.PC Temperatur Junimittel 1950-1998 Hessen
14
7
6
10
quadrierte T-Anomalien
EOF-transformierte T-Anomalien
12
8
6
4
2
0
5
4
3
2
1
-2
0
-4
-6
1950
1955
1960
1965
1970
1975
1980
1985
1990
1995
1950
1955
1960
1965
1970
1975
1980
1985
1990
1995
Spargel / Niedersachsen, Temperatur quadratisch
0,5
0,5
0,4
0,4
0,3
0,3
Pearson-Korrelationskoeff.
Pearson-Korrelationskoeff.
Ackerbohnen / Baden-Württemberg, Temperatur quadratisch
0,2
0,1
0,0
-0,1
-0,2
-0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,4
-0,4
-0,5
-0,5
Feb
Mar
Apr
Mai
Jun
Jul
Aug
Sep
Feb
Okt
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
Apr
Mai
Jun
Spargel / Niedersachsen, Niederschlag quadratisch
Pearson-Korrelationskoeff.
Pearson-Korrelationskoeff.
Ackerbohnen / Baden-Württemberg, Niederschlag quadratisch
Mar
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,4
-0,4
-0,5
-0,5
Feb
Mar
Apr
Mai
Jun
Jul
Aug
Sep
Okt
Feb
Mar
Apr
Mai
Jun
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
3
4
2
3
1
2
T / N Anomalien
T * N Anomalien
T * N Juni 1950-1998 Hessen
0
-1
-2
-3
1950
1
0
-1
1955
1960
1965
1970
1975
1980
1985
1990
1995
-2
1950
1955
1960
1965
1970
1975
1980
1985
1990
1995
Spargel / Niedersachsen, T*N
0,5
0,5
0,4
0,4
0,3
0,3
Pearson-Korrelationskoeff.
Pearson-Korrelationskoeff.
Ackerbohnen / Baden-Württemberg, T*N
0,2
0,1
0,0
-0,1
-0,2
-0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,4
-0,4
-0,5
-0,5
Feb
Mar
Apr
Mai
Jun
Jul
Aug
Sep
Okt
Feb
Ackerbohnen / Baden-Württemberg, T/N
Mar
Apr
Mai
Jun
Spargel / Niedersachsen, T/N
0,5
0,7
0,4
0,6
Pearson-Korrelationskoeff.
Pearson-Korrelationskoeff.
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,4
0,5
0,4
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,5
-0,3
-0,6
-0,4
-0,5
Feb
Mar
Apr
Mai
Jun
Jul
Aug
Sep
Okt
Feb
Mar
Apr
Mai
Jun
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
Rd zurück ins
Reservoir
Vorwärts-Regression:
MLR mit Rn und Ri
für jedes einzelne Ri
Ist der sig.
Reg.-Koeff. noch
signifikant?
nein
Ende; Modell:
y   an Rn
n
ja
Modell:
y   bn Rn  bs Rs
n
Rückwärts-Regression:
MLR mit Rn ohne Rj
für jedes einzelne Rj
ja
Ist der unsig.
Reg.-Koeff. noch
signifikant?
nein
Modell:
y   cn Rn  cd Rd
n
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:
a) Modelldimensionen:
Häufigkeitsverteilung der Modelldimensionen
Absolute Häufigkeit
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
0
1
2
3
4
5
6
7
8
9
10
11
12
Anzahl der Regressoren
Anzahl potentieller Regressoren: 34 -78
13
14
15
5. Ausgewählte Ergebnisse der Regression:
b) Erklärte Varianzen:
prozentuale erklärte Varianz
Bayern
100
100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
20
20
10
10
0
0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21
1: Winterweizen
2: Sommerweizen
3: Wintergerste
4: Sommergerste
5: Roggen
6: Hafer
7: Frühkartoffeln
8: Spätkartoffeln
9: Zuckerrüben
10: Runkelrüben
11: Dauerweißkohl
12: Dauerrotkohl
13: Dauerwirsing
14: Gras
15: Klee
16: Winterraps
17: Sommerraps
18: Ackerbohnen
19: Körnermais
20: Spargel
21: Erdbeeren
5. Ausgewählte Ergebnisse der Regression:
b) Erklärte Varianzen:
prozentuale erklärte Varianz
Bayern
100
100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
20
20
10
10
0
0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21
1: Winterweizen
2: Sommerweizen
3: Wintergerste
4: Sommergerste
5: Roggen
6: Hafer
7: Frühkartoffeln
8: Spätkartoffeln
9: Zuckerrüben
10: Runkelrüben
11: Dauerweißkohl
12: Dauerrotkohl
13: Dauerwirsing
14: Gras
15: Klee
16: Winterraps
17: Sommerraps
18: Ackerbohnen
19: Körnermais
20: Spargel
21: Erdbeeren
5. Ausgewählte Ergebnisse der Regression:
b) Erklärte Varianzen:
Baden-Württemberg
100
1: Winterweizen
2: Sommerweizen
3: Wintergerste
4: Sommergerste
5: Roggen
6: Hafer
7: Frühkartoffeln
8: Spätkartoffeln
9: Zuckerrüben
10: Runkelrüben
11: Dauerweißkohl
12: Dauerrotkohl
13: Dauerwirsing
14: Gras
15: Klee
16: Winterraps
17: Sommerraps
18: Ackerbohnen
19: Körnermais
20: Spargel
21: Erdbeeren
prozentuale erklärte Varianz
90
80
70
60
50
40
30
20
10
0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21
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
100
100
Winterweizen
70
60
50
40
30
20
70
60
50
40
30
20
10
10
0
0
2
3
4
5
6
7
Roggen
90
80
prozentuale erkklärte Varianz
80
1
100
Sommerweizen
90
prozentuale erkklärte Varianz
prozentuale erkklärte Varianz
90
80
70
60
50
40
30
20
10
0
1
2
3
4
5
6
7
1
2
3
4
5
6
7
5
6
7
100
100
90
90
70
60
50
40
30
20
60
50
40
30
20
0
0
3
4
5
6
7
90
70
10
2
Sommergerste
80
10
1
100
prozentuale erkklärte Varianz
Wintergerste
80
prozentuale erkklärte Varianz
prozentuale erkklärte Varianz
1: Bayern
2: Baden-Württemberg
3: Rheinland-Pfalz
4: Hessen
5: Nordrhein-Westfalen
6: Niedersachsen
7: Schleswig-Holstein
Hafer
80
70
60
50
40
30
20
10
0
1
2
3
4
5
6
7
1
2
3
4
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:
35
35
30
25
25
25
20
15
Häufigkeit
30
20
15
20
15
10
10
10
5
5
5
0
0
v8
v9
v10 v11
2
3
4
5
6
7
8
9
vp
0
v8
v9
v10 v11
2
3
Monat
4
5
6
7
8
9
vp
v8
+
-
T6
1
13
N4
2
29
TN 4
3
25
TN 7
0
16
T/N 4
7
9
35
Getreide - BRD (West), Niederschlag
25
25
20
15
Häufigkeit
25
Häufigkeit
30
20
15
10
5
5
5
0
3
4
Monat
5
6
7
8
9
vp
5
6
7
8
9
vp
8
9
vp
15
10
0
4
20
10
2
3
Getreide - BRD (West), T / N
30
v10 v11
2
35
Getreide - BRD (West), Niederschlag quadrstisch
30
v9
v10 v11
Monat
Regressor:
35
v8
v9
Monat
Getreide
Häufigkeit
Getreide - BRD (West), T * N
30
Häufigkeit
Häufigkeit
35
Getreide - BRD (West), Temperatur quadratisch
Getreide - BRD (West), Temperatur
0
v8
v9
v10 v11
2
3
4
Monat
5
6
7
8
9
vp
v8
v9
v10 v11
2
3
4
Monat
5
6
7
Rüben - BRD (West), Temperatur
10
8
Häufigkeit
6
6
4
4
2
2
2
0
2
3
4
5
6
7
8
9
10
11
12
vp
0
2
3
4
5
6
Monat
8
9
10
11
12
vp
2
+
-
T7
3
5
N8
6
1
T² 7
0
10
TN 7
0
6
T/N 8
2
5
10
Rüben - BRD (West), Niederschlag quadrstisch
6
4
4
2
2
2
0
0
5
6
7
8
Monat
6
9
10
11
12
vp
7
8
9
10
11
12
vp
11
12
vp
Rüben - BRD (West), T / N
6
4
4
5
8
Häufigkeit
6
3
4
10
8
Häufigkeit
8
2
3
Monat
Regressor:
Rüben - BRD (West), Niederschlag
10
7
Monat
Rüben
Häufigkeit
6
4
0
Rüben - BRD (West), T * N
10
8
Häufigkeit
8
Häufigkeit
Rüben - BRD (West), Temperatur quadratisch
10
0
2
3
4
5
6
7
8
Monat
9
10
11
12
vp
2
3
4
5
6
7
8
Monat
9
10
14
14
12
10
10
10
8
6
Häufigkeit
12
8
6
8
6
4
4
4
2
2
2
0
0
2
3
4
5
6
7
8
9
10
vp
0
2
3
4
5
Monat
14
6
7
8
9
10
vp
2
+
-
T6/T7
2
8
N6
11
2
T² 6
1
10
T/N 6
2
5
T/N VP
0
8
14
10
10
6
Häufigkeit
10
Häufigkeit
12
8
8
6
4
2
2
2
0
6
7
Monat
8
9
10
vp
8
9
10
vp
10
vp
6
4
5
7
8
4
0
6
Gras / Klee - BRD (West), T / N
12
4
5
14
Gras / Klee - BRD (West), Niederschlag quadrstisch
12
3
4
Monat
Regressor:
Gras / Klee - BRD (West), Niederschlag
2
3
Monat
Gras / Klee
Häufigkeit
Gras / Klee - BRD (West), T * N
12
Häufigkeit
Häufigkeit
14
Gras / Klee - BRD (West), Temperatur quadratisch
Gras / Klee - BRD (West), Temperatur
0
2
3
4
5
6
7
Monat
8
9
10
vp
2
3
4
5
6
7
Monat
8
9
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 „1Sigma“-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.