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

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

Autokorrelationsfunktion:

Varianzspektrum:

Ertragsentwicklung (dt/ha) von Getreidearten: Weizen Gerste Roggen Hafer Wildpflanzen  2 – 3 14./15. Jhr.  5 4 3 16./17. Jhr.  9 6 8 um 1800  10 um 1890  14 13 12 um 1910  20 18 17 1950  26 24 22 1962  29 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

Ursachen der Ertragssteigerungen (chronologisch): ca 100 n. Chr.: Einführung der Dreifelderwirtschaft Ab Mitte des 18. Jhr.: Beginn der Weiterentwicklung landwirtschaftlicher Geräte (neue Pflugformen, Eggen, Walzen, Kultivatoren), Intensivierung der Düngungsmassnahmen (ungelöschter Kalk, Mergel, Laub oder Streu aus Wäldern), Vertiefung der Pflugfurche Ende des 18. Jhr.: Besömmerung der Brache mit Futterpflanzen Mitte 18. Jhr. Bis Ende 19. Jhr.: Unkrautbekämpfung, Verwendung von gereinigtem und gesundem Saatgut, Einführung der Fruchtwechsel Ende des 19. Jhr.: Verbesserung der Bodenbearbeitung, der Bestellungs- und Pflegemassnahmen, Verwendung von Mineraldüngern, erste pflanzenzüchterische Arbeiten, Massnahmen zur Sicherung der Saatgutqualität 1900 bis 1950: Verbreitung biologischer, naturwissenschaftlicher und technischer Grundlagen. Investitionssteigerungen in den Bereichen Bodenbearbeitung, Düngung, Pflegemassnahmen ab 1950: Stark ansteigender Aufwand an Produktionsmitteln (Bodenbearbeitung, Düngung, Pflanzenschutz usw.), Spezialisierung der anbauwürdigen Kulturpflanzenarten, Rationalisierung, Monokulturen, Saatgutveredelung

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.

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:

„Sensitivitätsrangliste“: BAY BWB RPF HES NRW NSA SHS MW Spargel 2 7 3 1 2,7 Runkelrüben 5 9 10 5,1 Hafer 8 5,3 Spätkartoffeln 4 Sommergerste 6 16 7,6 Erdbeeren 11 15 8,1 Frühkartoffeln 21 9,7 Ackerbohnen 18 17 12 10,6 Körnermais 14 20 (1) 10,8 Sommerweizen 13 11,4 Sommerraps 11,7 Dauerweißkohl 19 13,1 Gras 13,3 Winterraps 13,4 Dauerrotkohl 14,0 Dauerwirsing 14,3 Zuckerrüben 14,4 Roggen 14,6 Winterweizen 15,0 Wintergerste 15,3 Klee - 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?

Bildung von Gruppen: Gruppe: Mitglieder: Getreide Kohl Kartoffeln Winterweizen Sommerweizen Wintergerste Sommergerste Roggen Hafer Kohl Dauerrotkohl Dauerweisskohl Dauerwirsing Kartoffeln Frühkartoffeln Spätkartoffeln Rüben Runkelrüben Zuckerrüben Gras / Klee Gras Klee Raps Winterraps Sommerraps

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?

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.

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.

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.

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.

Schrittweiser Regression 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

Vorwärts-Regression: Rückwärts-Regression: Reservoir Rpot Rd zurück ins Reservoir Vorwärts-Regression: MLR mit Rn und Ri für jedes einzelne Ri ja Ist der sig. Reg.-Koeff. noch signifikant? Ende; Modell: nein ja Modell: Rückwärts-Regression: MLR mit Rn ohne Rj für jedes einzelne Rj Ist der unsig. Reg.-Koeff. noch signifikant? nein Modell:

Signifikanztest der Regressionskoeffizienten: t-Test bezüglich eines zu testenden Koeffizienten mittels dessen partiellen Korrelationskoeffizienten: , bzw. Mit n: Anzahl der Freiheitsgrade (Zeitreihenlänge verringert um Anzahl der Regressoren) Je geringer r²part,k eines Regressors Xk, um so geringer ist die zusätzliche erklärte Varianz von Xk bei gegebenen erklärten Varianzen der übrigen Regressoren.

Kollinearitätsdiagnose: Problem: Regressoren können hohe Kollinearität untereinander aufweisen Ansatz: Berechnung der „Toleranz“ für jeden Regressor Xj r²xj,x ergibt sich aus einer Regression zwischen Xj und allen übrigen Xk Falls die kleinste Toleranz kleiner als ein vorgegbener Schwellenwert ist, wird der zugehörige Regressor eliminiert, und die neuen Toleranzen berechnet.

Arbeitsweise der schrittweisen Regression am Beispiel der globalen Mitteltemperaur:

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: Anzahl potentieller Regressoren: 34 -78

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

5. Ausgewählte Ergebnisse der Regression: b) Erklärte Varianzen:

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 Hessen 13 Schleswig-Holstein (20) 11 Nordrhein-Westfalen 5

Über „1-Sigma“-Schwelle: Über „2-Sigma“-Schwelle: Sommergerste 7 6 Frühkartoffeln Spargel 5 Klee (6) 4 Zuckerrüben Hafer Dauerrotkohl Gras Ackerbohnen Spätkartoffeln 3 Dauerweißkohl Runkelrüben Sommerraps Sommerweizen 2 Roggen 1 Dauerwirsing Winterraps Erdbeeren Wintergerste Winterweizen Körnermais

c) Selektierte Regressoren:

Regressor: + - T 6 1 13 N 4 2 29 TN 4 3 25 TN 7 16 T/N 4 7 9 Getreide

Kohl

Kartoffeln

Regressor: + - T 7 3 5 N 8 6 1 T² 7 10 TN 7 T/N 8 2 Rüben

Gras / Klee Regressor: + - T 6 / T 7 2 8 N 6 11 T² 6 1 10 T/N 6 5 T/N VP Gras / Klee

Raps

Regressor: + - T 6 / T 7 3 6 N 6 4 T² 7 N² Vp T/N 7 1 Ackerbohnen

Körnermais

Spargel

Erdbeeren

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.

Ausblick: Im Folgenden sollen die vielfältigen Ergebnisse mit pflanzenphysiologischen Besonderheiten der einzelnen Fruchtarten verglichen werden. Mit Hilfe von Signalanalysen Europäischer Temperatur- und Niederschlagsfelder sollen mögliche Auswirkungen auf die Erträge durch anthropogene Klimaänderungen abgeleitet werden.

Ausblick: Im Folgenden sollen die vielfältigen Ergebnisse mit pflanzenphysiologischen Besonderheiten der einzelnen Fruchtarten verglichen werden. Mit Hilfe von Signalanalysen Europäischer Temperatur- und Niederschlagsfelder sollen mögliche Auswirkungen auf die Erträge durch anthropogene Klimaänderungen abgeleitet werden. Vielen Dank!