Mitteilungen der Gesellschaft für Pflanzenbauwissenschaften Band 23

128
1. Teil: “Extension and evaluation of intercropping field trials using spatial models”
(Knörzer et al., 2010)
Aufgrund der Tatsache, dass Strip Intercropping nicht oder nur eingeschränkt
randomisiert werden kann, wurden die Daten mit Hilfe von Geostatistik ausgewertet.
Über unterschiedliche räumliche Modelle (Knörzer et al., 2010) wurde dabei getestet,
inwieweit sie eine statistische Auswertung von Intercropping präzisieren können.
2. Teil: “Integrating a simple intercropping algorithm into CERES-wheat and CERESmaize
with particular regard to a changing microclimate within a relayintercropping
system” (Knörzer et al., 2011)
Mit dem Pflanzenwachstumsmodell DSSAT (Decision Support System for
Agrotechnology Transfer) war es bislang nicht möglich, Intercropping zu simulieren.
Deshalb wurde ein Beschattungs-Algorithmus entwickelt und evaluiert, der die
Menge der Solarstrahlung in Abhängigkeit der benachbarten Fruchtart modifiziert.
Ebenso wurden mikroklimatische Einflüsse wie Bodentemperatur und
Windgeschwindigkeit bei der Modellierung berücksichtigt.
3. Teil: “Evaluation and performance of the APSIM crop growth model for German
winter wheat, maize and fieldpea varieties in monocropping and intercropping
systems” (Knörzer et al., in press)
Exemplarisch für ein prozessorientiertes Pflanzenwachstumsmodell, welches
multiple Anbausysteme mit Hilfe des Beer-Lambert’schen Gesetzes simuliert, wurde
in Ergänzung zum DSSAT-Modellierungsansatz APSIM (Agricultural Production
Systems Simulator) gewählt. Der in APSIM implementierte gängige Ansatz des Beer-
Lambert’schen Gesetzes wurde mit dem evaluierten, getesteten und in DSSAT
implementierten Beschattungs-Algorithmus verglichen.
Ergebnisse und Diskussion
1. Teil: “Extension and evaluation of intercropping field trials using spatial models”
(Knörzer et al., 2010)
Da Intercropping-Versuche aufgrund ihrer zwangsläufig streifenförmigen Anordnung
nicht randomisiert werden können, gestaltet sich deren statistische Auswertung als
speziell. Intercropping bedarf einer räumlichen Betrachtungsweise, um
ertragsrelevante Effekte adäquat abzuschätzen und statistisch abzusichern.
Insbesondere für die Versuche in China zeigte sich, dass die Verwendung des
„Gaussian Model“ und des „Linear Variance Model“ einen verbesserten Model Fit
ergaben als das „Baseline Model“.
2. Teil: “Integrating a simple intercropping algorithm into CERES-wheat and CERESmaize
with particular regard to a changing microclimate within a relayintercropping
system” (Knörzer et al., 2011)
Mit dem evaluierten und in DSSAT implementierten Beschattungs-Algorithmus
konnten die durchgeführten Intercropping- und Monocropping-Versuche mit einem
RMSE von 2168 kg ha -1 (Biomasseertrag) und 945 kg ha -1 (Kornertrag) bei Mais und
779 kg ha -1 (Biomasseertrag) und 300 kg ha -1 (Kornertrag) bei Weizen adäquat
simuliert werden (Abb. 1). Der Weather-Input-File wurde gemäß des Beschattungsgrades
modifiziert. In diesem Ansatz wurde zusätzlich berücksichtig und getestet,
dass Konkurrenz um solare Einstrahlung nicht die einzig bestimmende ist. Der
Beschattungs-Algorithmus konnte zwar einen Teil des Ertragszuwachses im
Intercropping erklären, allerdings erst die Modifizierung des Boden-Stickstoffgehaltes
aufgrund veränderter Bodentemperaturen bzw. die Modifikation der CO2-Assimilation