Grundsätzliche Anmerkungen - Pilz4You_1

Will man die Qualität der erzielten Ergebnisse beurteilen, so sind grundsätzlich folgende Aspekte zu berücksichtigen:

• Bei den Beobachtungsdaten (beobachtete Werte des Pilzwachstums) handelt es sich nicht um Zeitreihen, deren Dynamik sich jährlich auch nur näherungsweise wiederholt, da Pilze sich als lebende Organismen mit hohen Ansprüchen an ihre Umgebungsbedingungen fast „beliebig" verhalten.
  

• Die im Rahmen des Projektes erhobenen und hier verwendeten Wachstumsdaten für Pfifferlinge und Steinpilze sind halb-qualitative Daten, da ein mehrstufiges Bonitierungsverfahren generell und die darin definierten Wachstumsstufen immer mit Unsicherheiten behaftet sind.  So können bei diesem Verfahren z.B. Witterungsperioden durch die Unterteilung des Witterungsverlaufs in äquidistante Zeitabschnitte (Dekaden, Pentaden) unterschiedlich bewertet werden, da auftretende Extreme ggf. zwei unterschiedlichen Zeitabschnitten zugeordnet werden.
  

• Es kann grundsätzlich keine völlige Übereinstimmung zwischen beobachtetem und berechnetem Pilzwachstum erwartet werden, da die Ergebnisse eines einzelnen Beobachters aus einem doch relativ großen Gebiet nicht wirklich repräsentativ sein können.
  

• Auch die dem Fundort der Pilze zugeordneten meteorologischen Größen sind nur näherungsweise „richtig", da diese Daten nicht am Fundort gemessen, sondern an Stationen des DWD erhoben und in die Fläche interpoliert werden.
  

• Abweichungen zwischen den Beobachtungs- und Prognosewerten sind auch auf Grund der Tatsache zu erwarten, dass die Zusammenhänge zwischen Witterung und Pilzwachstum sicherlich noch weitaus komplexer sind als es sich selbst mit den hier entwickelten, bereits recht anspruchsvollen Ansätzen darstellen lässt.
  

Randbedingungen
Zunächst sollen einige allgemeine Schlussfolgerungen aus den für die beiden untersuchten Pilzarten Pfifferling und Steinpilz durchgeführten Testrechnungen präsentiert werden, die dank der Flexibilisierung des Programms Pilz4You_Prognose aus den Ergebnissen abgeleitet werden konnten und als Randbedingungen für alle nachfolgenden Prognoserechnungen übernommen wurden.

PERSISTENZ: In allen zuvor erstellten Prognosesystemen spielte die sogn. „Persistenz" als Prediktor eine bedeutende Rolle. Dabei handelt es sich um den letzten aus der Vergangenheit verfügbaren Wert des Prediktanden, also im Fall von Tageszeitreihen um den Wert des Vortages oder im Fall von Stundenwerten um den Wert der vorangegangenen Stunde. Bei Pilzen machen nur Prognoserechnungen ohne Persistenz Sinn, da das „System Pilz" so träge ist, dass sich der Persistenz-Wert i.d.R. kaum vom aktuellen Wert unterscheidet (wenn gestern Pilze wuchsen, ist die Wahrscheinlichkeit auch heute Pilze zu finden fast unverändert hoch). Die Einbindung der Persistenz könnte bei der Erstellung von Prognosen für die Zukunft (also z.B. für die nächsten 5 bis 10 Tage) allerdings notwendig sein, da es dann entscheidend ist, ob am aktuellen Tag (dem Ausgangszeitpunkt der Prognosen) Pilze gefunden wurden oder nicht.

WACHSTUMSPERIODE: Die Berücksichtigung von Daten nur innerhalb der Wachstumsperiode (definiert als Periode zwischen dem frühesten und dem spätesten Fundtag) führt zu realistischeren Prognoseergebnissen, da keine Scheinkorrelationen auftreten. Die Verwendung separater Wachstumsperioden für jedes Einzeljahr ist kontraproduktiv, da das Prognosesystem dann nicht mit Informationen auch pilzarmer Jahre „angelernt" wird. Die Verwendung einer einheitlichen Wachstumsperiode für alle Jahre der gewählten Periode führt deshalb zu insgesamt besseren Prognoseergebnissen.

PILZLOSE JAHRE: Nicht nur pilzlose Perioden innerhalb eines Jahres, sondern auch komplett pilzlose Jahre müssen in die Lernphase der Prognoserechnungen einbezogen werden, da nur so der volle Informationsgehalt der Daten verwendet wird und Prognosen auch für extreme Jahre ermöglicht werden.

ZEITVERSCHOBENE PREDIKTOREN: Die Verwendung zeitverschobener Prediktorenist ein wesentliches Element zu Beschreibung des Pilzwachstums. Dabei können ggf. auch Prediktoren mit deutlich negativem Korrelationsverhalten verwendet werden.

OPTIMIERUNGSMÖGLICHKEITEN: Grundsätzlich scheint es bei den Prognoserechnungen noch viel Optimierungsspielraum zu geben. Deshalb dürfte es bei einer Fortführung des Projektes sinnvoll sein, ein Optimierungsprogramm zu erstellen, mit dem sich Prognoserechnungen unter Variation verschiedener Eingangsparameter durchführen lassen, um für die beiden Pilzarten die optimalen Parameter, Parameterkombinationen und Einstellungen für die Prognoserechnungen zu finden.

WEITER