Antje Heuer

• Aus dem Wunsch, die zentralen Prozesse im System Boden"Pflanze"Atmosphäre einschließlich der Auswirkungen verschiedener Bewirtschaftungspraktiken zu verstehen und nachzubilden, resultiert die Entwicklung verschiedener Pflanzenwachstumsmodelle. Ziel der vorliegenden Untersuchung ist zum einen, die im Realsystem auftretenden räumlichen Ertragsmuster zu identifizieren und zu charakterisieren. Mithilfe der Semivariogramm-Analyse ist eine räumliche Autokorrelation der Ertragsdaten von maximal 48 Meter abzuleiten. Die räumliche Analyse (GIS) zeigt, dass die Sommergerste ein leicht abweichendes Verhalten im Vergleich zu den Winterkulturen (Winterweizen, Winterraps) aufweist. Schließlich werden mithilfe der selbstorganisierenden Merkmalskarten die primär und sekundär für das Ertragsverhalten verantwortlichen Ursachen identifiziert. Eine abschließende hierarchische Clusteranalyse gliedert die in die Untersuchung eingehenden Standorte in vier spezifische Cluster mit charakteristischen Eigenschaften. Ein zweites Ziel ist die Klärung der Frage, ob die Pflanzenwachstumsmodelle STICS und DAISY bei entsprechender Parametrisierung in der Lage sind, das für ein detektiertes Muster charakteristische Verhalten von Pflanzenwachstum und Ertrag realitätsnah abzubilden. Den Modellanwendungen gehen eine Sensitivitätsanalyse und verschiedene Parametrisierungsansätze zur Erfassung des jeweiligen Modellverhaltens voraus. In beiden Modellen übt der Bodenwasserhaushalt einen starken Einfluss auf die Ertragsbildung aus. Des weiteren kommt in beiden Modellen den Stressfaktoren eine zentrale Bedeutung zu. Die Parametrisierung der Modelle auf der Grundlage der im Feld erhobenen Daten führt bei beiden Modellen nicht zu einem dem Realsystem entsprechenden Bild. Eine über die Sensitivitätsanalyse hinausreichende, vertiefte Modellkenntnis ist erforderlich, um die in die Modelle eingehenden Parameter bzw. deren spezifischen Einfluss auf das Modellverhalten beurteilen und interpretieren zu können. Dies betrifft insbesondere die Modellgrößen der Bodenmodule. Dieser Aspekt erschwert eine einfache räumliche Übertragung der Modelle STICS und DAISY.
• The desire to understand and reproduce central processes in the soil-plant-atmosphere continuum, including the impact of various types of crop management, led to the development of different crop models. The present study pursues two goals, one of which is to detect and characterize spatial patterns of yield present in the natural system. Using the semivariogram analysis technique, a spatial autocorrelation of yield of up to 48 meters could be identified. Spatial analysis using GIS shows some differences in behaviour for summer barley compared to winter crops (winter wheat, winter rape). Using self-organizing maps, primary and secondary yield-influencing properties could be identified. A final hierarchical cluster analysis is used to determine conclusively four specific clusters (or patterns) of characteristic properties, and to map the investigated locations to these clusters. The second goal of this study is to answer the question whether, given an appropriate parameterization, the crop models STICS and DAISY would be capable of realistically reproducing the behaviour of crop growth and yield per detected pattern. An initial sensitivity analysis and various parameterization attempts are made in order to thoroughly comprehend the behaviour of each model. Both models exhibit a strong dependence of yield on soil water balance as well as a relatively high sensitivity to stress indices. When parameterized with field data, neither models are able to produce realistic results. Beyond the sensitivity analysis, deep knowledge of the real system and the model structure are required in order to reliably validate and interpret the model's input parameters (in particular soil module parameters) and their specific impact on the model behaviour. This issue complicates the spatial transfer of either models STICS and DAISY, respectively.