| Autor(en): |
Heinrich Thöle |
Titel: |
Ansätze zur statistischen Auswertung von On-Farm-Experimenten mit georeferenzierten Daten |
| Gutachter: |
Christel Richter; Joachim Spilke; Detlef Ehlert |
| Erscheinungsdatum: |
25.11.2010 |
| Volltext: |
pdf
(urn:nbn:de:kobv:11-100178742)
|
| Fachgebiet(e): |
Landwirtschaft, Veterinärmedizin |
| Schlagwörter (ger): |
Statistische Analyse, Precision Farming, Stickstoffdüngung, Sensor, On-Farm-Versuche |
| Schlagwörter (eng): |
precision agriculture, Statistical analysis, nitrogen fertilization, sensor, on-farm trials |
| Einrichtung: |
Humboldt-Universität zu Berlin, Landwirtschaftlich-Gärtnerische Fakultät |
| Zitationshinweis: |
Thöle, Heinrich:
Ansätze zur statistischen Auswertung von On-Farm-Experimenten mit georeferenzierten Daten;
Dissertation,
Humboldt-Universität zu Berlin, Landwirtschaftlich-Gärtnerische Fakultät , publiziert am 25.11.2010, urn:nbn:de:kobv:11-100178742
|
Metadatenexport:
 Um
den gesamten Metadatensatz im Endnote- oder
Bibtex-Format zu speichern,
klicken Sie bitte auf den entsprechenden Link.
|
Endnote
Bibtex
|
| print on demand:
Wenn
Sie auf dieses Icon klicken, können Sie
ein Druckexemplar dieser Publikation bestellen.
|
|
| Diese Seite taggen:
Diese
Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie
Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer
ansehen können.
|
|
| Abstract (ger): |
| Der Pendelsensor “Crop-Meter” misst indirekt die oberirdische Biomasse von Getreide, um Stickstoffdünger (N) teilflächenspezifisch auf heterogenen Ackerflächen auszubringen.
In On-Farm-Versuchen wurde eine variable N-Düngung mit „Crop-Meter“ gegenüber der praxisüblichen, einheitlichen N-Düngung in Wintergetreide getestet. Im Gegensatz zur klassischen Anlage von Parzellenversuchen war eine Bestandsheterogenität zum Sensoreinsatz im Getreide ausdrücklich gefordert. Prüfmerkmal war der Kornertrag. Auf Grund der georeferenzierten Ertragskartierung lagen die somit pseudo-wiederholten Daten vermutlich räumlich autokorreliert vor.
Daher wurden zwei Ansätze zur statistischen Analyse gewählt. Im ersten Ansatz wurden die Ertragsdaten auf Basis der Biomasse post-stratifiziert, um die Biomassevariabilität einzugrenzen. In jedem Stratum wurden Autokorrelationsmodelle für die Residuen (räumliche Modelle) mit der Annahme nicht korrelierter Residuen (Nullmodell) verglichen. Stets wurden räumliche Modelle als beste statistische Modelle ausgewählt. Im Gegensatz zu den Nullmodellen waren die Ertragsdifferenzen räumlicher Modelle sehr häufig nicht signifikant.
Dieses Ergebnis wurde auch durch verschiedene Stratifikationen und N-Einsparungen nicht verändert.
Im zweiten Ansatz wurde jeweils der gesamte Ertragsdatensatz eines Versuchs zusätzlich zu den räumlichen Modellen mit Kovariablen (Trendmodelle) modelliert. Für jeden Versuch wurden individuell verschiedene Kombinationen aus Trend- und räumlichen Modellen selektiert. Die meisten Mittelwertdifferenzen waren trotz N-Reduktion in den variablen Varianten nicht signifikant (7…24 kg N ha-1).
Diese Ansätze bilden eine Grundlage zur Ableitung fundierter Auswertungsmethoden von On-Farm-Versuchen mit georeferenzierten Daten.
|
| Abstract (eng): |
| A pendulum sensor (Crop-Meter) measures cereal aboveground biomass in order to apply nitrogen (N) fertilizers site-specifically on heterogeneous agricultural fields. In on-farm trials, common N application practice (constant) was compared to site-specific (variable) N application with the sensor to assess grain yields as response. Unlike the classic design of small-plot trials, cereal crop heterogeneity was explicitly desired to use the Crop-Meter. Simultaneously, spatial yield data provided pseudo-replications and possible autocorrelation.
Therefore, two approaches were selected for statistical analysis. In the first approach, yield data were post-stratified on the basis of biomass measures to confine total biomass variability. For each stratum, spatial co-variance structures were assumed for residuals (spatial models) opposed to the assumption of non-correlated residuals (null model). Spatial models were selected as best statistical models. Very often, yield differences were not significant when selecting spatial models in contrast to null models. However, this was not due to different stratifications and stratum-dependent N savings.
In the second approach, trend models were fitted for total yield datasets with covariates in addition to spatial models. For each on-farm trial, distinct combinations of trend and spatial models were selected. Most mean differences were not significant despite site-specific N reduction (7…24 kg N ha-1).
These approaches provide basics to derive profound methods for analysis of on-farm trials with spatial data.
|
Zugriffsstatistik:
Die Daten für die Zugriffsstatistik der einzelnen Dokumente
wurden aus den durch AWStats aggregierten Webserver-Logs erstellt.
Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie
auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen
(insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert
auf eine der Dateien (Kapitel) des Dokuments angezeigt.
Um die detaillierten Zugriffszahlen zu sehen,
fahren Sie bitte mit dem Mauszeiger
über die einzelnen Balken des Diagramms.
|
  | | | | | | | | | | | | | | | | | | | Jun
11 | Jul
11 | Aug
11 | Sep
11 | Oct
11 | Nov
11 | Dec
11 | Feb
12 | Apr
12 | May
12 | Jun
12 | Jul
12 | Aug
12 | Sep
12 | Oct
12 | Nov
12 | Dec
12 | Jan
13 | Apr
13 |
| Monat | Jun
11 | Jul
11 | Aug
11 | Sep
11 | Oct
11 | Nov
11 | Dec
11 | Feb
12 | Apr
12 | May
12 | Jun
12 | Jul
12 | Aug
12 | Sep
12 | Oct
12 | Nov
12 | Dec
12 | Jan
13 | Apr
13 | | Startseite | 3 | 3 | | 4 | | 3 | | | | | | 2 | 4 | | | | | | | | PDF | 13 | 21 | 24 | 16 | 15 | 17 | 15 | 22 | 22 | 18 | 18 | 13 | 22 | 14 | 18 | 35 | 15 | 34 | 32 |
Gesamtzahl der Zugriffe seit Jun 2011: - Startseite – 19 (1 pro Monat)
- PDF – 384 (20.21 pro Monat)
|
