Flächenhafte und funktionale Analyse kleinräumiger ...

LEHMANN (2002).
2.3.1.6 Multivariate Regressionsanalysen
Material und Methoden
Für die Untersuchung der Etablierung von Trifolium repens wurde für alle drei Jahre
eine multivariate Regressionsanalyse mittels GLM-Procedures (GLM für "General Linear
Model") in SAS (SAS Institute, 1997) verwendet.
Zur Bestimmung des Einflusses auf Weißkleeertragsanteile wurden in das Modell nicht
nur die Haupteffekte, sondern auch ihre gegenseitige Beeinflussung in Form von
Wechselwirkungen bzw. zweier und dreier Interaktionseffekte einbezogen. Das Modell
wurde schrittweise auf die signifikanten Effekte (P< 0.05) reduziert. Als Haupteffekte
wurden die chemischen Bodenwerte (pH-Wert, P-, K-, Mg- und Nt-Gehalt) sowie der
geschätzte Tonfraktionsanteil ausgewählt.
Die Wirkung einzelner signifikanter Effekte aus der Regressionsgleichung wurde als
Grafik dargestellt. Für die fortlaufend dargestellten Haupteffekte (Interaktionseffekte)
wurde eine Variationsbreite („range“) ihrer Werte verwendet, die um ihre Mittelwerte +/ -
Standardabweichung lagen. Die in der Graphik nicht direkt dargestellten aber dennoch
signifikanten Effekte waren darin implementiert und auf ihren Mittelwert fixiert.
Vor der Berechung des Modells wurden die Weißkleeertragsanteile zunächst
logarithmiert und anschließend für die graphische Darstellung wieder rücktransformiert.
CONNOLLY and WACHENDORF (2001) geben detaillierte Erklärungen zu den genannten
Berechnungen.
2.3.1.7 Spezielle Analysen bei den Intensivflächen
Für die beiden folgenden Analysen (Kap. 2.3.1.7.1 und 2.3.1.7.2) der Intensivflächen
wurden je chemischem Bodenparameter beider Tiefen gewogene arithmetische
Mittelwerte gebildet.
2.3.1.7.1 Vergleichsmaße für die interpolierten Karten der Intensivuntersuchungen
Um den Verlust an Information bei den punktuell erhobenen Datensätzen mit jeweils
größeren Abständen im Vergleich zu den „vollständigen“ Datensätzen (6,25x6,25 m-
Raster) sowie bei den interpolierten rasterartig angeordneten Punktdaten mit jeweils
größeren Abständen festzustellen, wurden Mittelwert und statistische
Streuungsmaßzahl wie Standardabweichung bzw. Variationskoeffizient verwendet.
Als Vergleichsmaß der Interpolation zwischen Datensätzen mit 6,25x6,25 m-Raster
(Feldrealität) und Datensätzen mit unterschiedlicher Rasterweite wurde die Wurzel aus
dem mittleren quadratischen Fehler (RMSE - root mean square error) (VOLTZ and
WEBSTER, 1990) berechnet (Formel siehe Anhang). Dieses Fehlermaß (in der Einheit
der verschiedenen Parameter) beschreibt, inwieweit die geschätzten Werte (d.h. die
Werte aus der Interpolation mit breiteren Rasterweiten) im Durchschnitt den
Validierungswerten entsprechen, ohne dass sich dabei positive und negative
Abweichungen gegenseitig ausgleichen können. Dabei werden größere Abweichungen
17