Berechnungen der Wachstumswahrscheinlichkeit für Pfifferlinge - Pilz4You_1

Nachfolgend sollen erste Ergebnisse der durchgeführten Berechnungen des Pilzwachstums von Pfifferlingen dargestellt und diskutiert werden. Diese Läufe erfolgten im sogn. „Lernmodus" des Prognosesystems, bei dem das dynamische Verhalten der beobachteten Zielgröße (Pilzwachstum) für die zur Verfügung stehende Beobachtungsperiode unter Verwendung verschiedener Prediktoren möglichst gut nachgebildet werden soll. Alle nachfolgend beschriebenen Ergebnisse wurden unter Beachtung der aus den Testrechnungen abgeleiteten und zuvor diskutierten allgemeinen Schlussfolgerungen erzielt.

Wachstums-Prognosen für Pfifferlinge
Alle mit dem Programm Pilz4You_Prognose durchgeführten Berechnungen für Pfifferlinge erfolgten für den Zeitbereich 1991 - 2019 (die ersten drei Jahre 1988-1990 wurden wegen unsicherer Beobachtungsdaten nicht berücksichtigt; Gesamtanzahl Tage: 10.592), wobei nur die Werte innerhalb der Wachstumsperiode 11. 5. - 20.11. in die Rechnungen einflossen (194 Tage pro Jahr). Für die Rechnungen wurden jeweils alle 10 ArcEGMO-Primärparameter als Prediktoren aktiviert.

Zunächst sollen die Auswirkungen verschiedener Prediktoren-Pools (Anzahl und Definition) auf die Ergebnisse demonstriert werden. Die nachfolgende Abbildung zeigt für den Zeitbereich 2010-2014 den Verlauf der Beobachtungswerte (Pfifferlingswachstum) zusammen mit den Ergebnissen von 4 unterschiedlichen Prognoseläufen (PROG1..PROG4). Diese unterscheiden sich hinsichtlich der Anzahl und Art der zeitverschobenen Prediktoren wie folgt:

• PROG1: Alle 10 zeitverschobenen Parameter aktiviert, Verwendung der gleichen Vorperiode 001-045, die bei den Screening-Analysen als die beste gemeinsame Vorperiode ermittelt wurde (s. ) (somit insgesamt 20 Prediktoren bei den Prognoseläufen)
  

• PROG2: Alle 10 zeitverschobenen Parameter aktiviert, Verwendung der jeweils besten Vorperiode für jeden Parameter (insgesamt 20 Prediktoren)
  

• PROG3: Nur die relevantesten zeitverschobenen Parameter EP, ER, LT, PI und TR aktiviert, Verwendung der gleichen Vorperiode 001-045 (insgesamt 15 Prediktoren)
  

• PROG4: Wie PROG1, aber statt maximal 9 werden 15 der vorgegebenen Prediktoren bei der multiplen Regressionsanalyse in CART zugelassen (insgesamt 20 Prediktoren).
  

Beobachtetes und berechnetes Wachstum von Pfifferlingen, dargestellt für die Periode 2010-2014: Auswirkungen unterschiedlicher Prediktoren-Pools auf die Prognoseergebnisse

Deutlich zu erkennen sind die z.T. gravierenden Unterschiede des berechneten Wachstums. Insbesondere die mit der Variante PROG2 berechneten Prognosewerte zeigen, dass für die zeitverschobenen Parameter nicht die für jeden Parameter beste Vorperiode, sondern jeweils die gleiche Vorperiode verwendet werden sollte. Die übrigen 3 Varianten führen zu einer mehr oder weniger guten Beschreibung der Beobachtungswerte, können sich aber für andere Ausschnitte der Gesamtperiode 1991-2019 z.T. deutlicher unterscheiden als im vorliegenden Beispiel.

Als Fazit aus den für Pfifferlinge durchgeführten Testrechnungen lässt sich folgendes festhalten:

• Die Güte der Prognoserechnungen hängt davon ab, wie viele Primär- (maximal 10) und zeitverschobene Prediktoren (maximal 10) verwendet und welche Vorperioden den zeitverschobenen Prediktoren zugewiesen werden.
  

• Außerdem spielt die maximale Anzahl an Prediktoren eine Rolle, die bei der multiplen Regressionsanalyse im Modul CART berücksichtigt wird.
  

• Je nach gewählter Darstellungsperiode scheint einmal die eine, dann eine andere Prognosevariante am besten zu sein. Dabei werden manchmal die hohen Funde besonders gut beschrieben, manchmal Perioden mit geringen oder ohne Funde.
  

• Ohne ein Optimierungsprogramm und ausschließlich an Hand von Darstellungen ist es schwierig, eine „beste" Prognosevariante für die Gesamtperiode 1991-2019 zu identifizieren.
  

Nachfolgend werden nur die aus Grafiken wie der obigen als optisch „beste" Variante identifizierten Ergebnisse von Testrechnungen dargestellt.

In der folgenden Abbildung ist zunächst das Ergebnis der Prognoserechnung für Pfifferlinge für die Gesamtperiode 1991-2019 dargestellt. Auch wenn diese Darstellung eine detaillierte Beurteilung der Prognosegüte nicht zulässt, ist doch erkennbar, dass das beobachtete Wachstum generell sowohl zeitlich als auch in der Ausprägung gut beschrieben wird. Erkennbar sind aber auch Defizite, das beobachtete Wachstum in einigen Jahren in der tatsächlichen Höhe zu beschreiben sowie die Vorhersage eines geringen Pilzwachstums für Jahre, in denen tatsächlich kein oder kein nennenswertes Wachstum beobachtet wurde (z.B. 2003, 2018, 2019).

Beobachtete und berechnete Werte des Wachstums von Pfifferlingen in der Gesamtperiode 1991-2019

Darstellungen für kürzere Perioden machen diese Defizite deutlicher. Nachfolgend sind zunächst die Prognoseergebnisse für die Teilperiode 2010-2014 dargestellt, in welche die pilzreichen Jahre 2011-2014 fallen (siehe Tabelle). Hier werden die beobachteten Wachstumswerte auch mit dem noch nicht optimierten Prognosesystem bereits erstaunlich gut wiedergegeben, und zwar sowohl in ihrer zeitlichen Dynamik als auch in der absoluten Höhe.

Beobachtetes und berechnetes Wachstum von Pfifferlingen in der Periode 2010-2014

Betrachtet man dagegen die sich daran anschließende Teilperiode 2015-2019 mit den sehr pilzarmen Jahren 2015 und 2016, dem pilzreichen Jahr 2017 und den folgenden beiden pilzlosen Jahren 2018 und 2019, so erkennt man Probleme bei der Wiedergabe der ersten beiden Jahre sowie von Jahren, in denen praktisch kein Wachstum beobachtet wurde. Während die Prognosewerte für 2017 als sehr gut bewertet werden können, prognostiziert das System für 2018 ein minimales und für 2019 ein geringes, aber deutliches Pfifferlingswachstum. Während die Ergebnisse für 2018 eher als vernachlässigbar gelten dürften („Rauschen"), werfen die Ergebnisse für 2019 die Frage auf, ob die erfassten Wachstumsdaten für Pfifferlinge tatsächlich zutreffen. Möglicherweise ist das Ergebnis aber auch als Anzeichen dafür zu interpretieren, dass ein Lernzeitraum von knapp 30 Jahren zur Beschreibung eines solch komplexen Verhaltens wie dem des Pilzwachstums immer noch zu gering sein könnte.

Beobachtetes und berechnetes Wachstum von Pfifferlingen in der Periode 2015-2019

Trotz dieser, wahrscheinlich datenbedingten Defizite, werden die beobachteten Pilzwachstums-Kurven für Pfifferlinge sowohl im zeitlichen Verlauf als auch in der Höhe bereits erstaunlich gut wiedergegeben. Dies gilt selbst für pilzlose Zeiten innerhalb eines Jahres aber auch für Jahre, in denen überhaupt keine oder fast keine Pfifferlinge gefunden wurden.

Lässt man alle verfügbaren 10+10 Prediktoren bei den zuvor dargestellten Prognoserechnungen zu, so werden vom Modul CART des Prognosesystems die folgenden 7 Prediktoren als die relevantesten identifiziert und zur Berechnung der finalen Prognosewerte verwendet: ER_001-045, PI_001-045, WI_001-045, RF_001-045, BF_001-045, EP_001-045 und RF (Bezeichnungen wie in den Tabellen  und ). Bis auf den Original-Parameter RF=Relative Feuchte handelt es sich dabei allesamt um 6 zeitverschobene und über die vorangegangenen 6 Wochen (Tage 1 bis 45) gemittelte Parameter. Dies verdeutlicht die Bedeutung zeitverschobener Prediktoren bei der Beschreibung des Wachstums von Pfifferlingen.

Das Wachstum von Pfifferlingen wird also in einem sehr hohen Maße durch den Niederschlag PI und eine anhaltend gute Bodenfeuchte BF 6 Wochen vor dem aktuellen Tag bestimmt. Dagegen spielt die Temperatur LT für das Pfifferlingswachstum offenbar nur eine untergeordnete Rolle. Gleiches gilt für den Parameter TR=Trockenheitsindex, was darauf hindeutet, dass kürzere zwischenzeitliche Trockenperioden zu keinen nennenswerten Unterbrechungen des Pfifferlingswachstums führen. Pfifferlinge scheinen solche Bedingungen (im Gegensatz zu den meisten anderen Pilzarten) zumeist unbeschadet zu überstehen. Die Bedeutung der Witterungsbedingungen der vorangegangenen 6 Wochen für das Pfifferlingswachstum zeigt, dass Pfifferlinge i.d.R. mit einer entsprechenden zeitlichen Verzögerung nach dem für sie optimalen Witterungsverlauf erscheinen. Ob es sich dabei exakt um 6 Wochen handelt, ist momentan nicht abschließend zu sagen, da entspr. Optimierungsrechnungen unter Variation der Vorperioden noch ausstehen.

WEITER