Prognoseansatz und Prognoseprogramm - Pilz4You_1

Da das wesentliche Prinzip des Prognoseprogramms auf eine Mustererkennung beruht, also auf der quantitativen Erfassung von statistischen Zusammenhängen zwischen dem Pilzwachstum und verschiedenen Einflussgrößen (Prediktoren), nimmt die Genauigkeit der Aussagen mit dem Umfang der verfügbaren Datenbasis („Lernzeitraum") zu. Es handelt sich also grundsätzlich um ein lernfähiges System, das mit zunehmender Anwendungsdauer (Umfang der aufgebauten Datenbasis) immer präzisere Ergebnisse liefert.

Prognoseprogramm
In enger Zusammenarbeit mit dem Projektpartner CEC wurde das Programm Pilz4You_Prognose konzipiert und entwickelt, das im Rahmen der Machbarkeitsstudie von einer ersten Testversionen zu einer voll funktionsfähigen, flexiblen Arbeitsversion gereift ist. Mit ihm lassen sich unter Nutzung aller entsprechend aufbereiteten Daten (Pilzwachstums-Daten und für Teileinzugsgebiete bereitgestellte ArcEGMO-Daten) Testrechnungen unter Variation verschiedenster Randbedingungen durchführen. Die ersten Ergebnisse gehen trotz der nicht optimalen Datenlage (insbesondere was die Pilzwachstums-Daten betrifft) deutlich über die eigenen Erwartungen hinaus.

Das Programm wurde für die durchzuführenden Testrechnungen und Sensibilitätsstudien weitgehend flexibilisiert im Hinblick auf

• die Auswahl von Pilzart und Datenumfang (Zeitbereich der Daten für die „Lernperiode")
  

• das selektive Einlesen aller meteorologischen und sonstigen benötigten Daten direkt aus den zuvor erstellten schnellen DAF-Datenarchiven
  

• das Einlesen von Pilzwachstums-Daten aus unterschiedlichen Quellen
  

• die automatische Zuordnung eines Teileinzugsgebietes zum Standort der Pilzerhebungen
  

• die flexible Auswahl der zu verwendenden primären Prediktoren (10 ArcEGMO-Parameter), die einzeln „ein- und ausgeschaltet" werden können
  

• die flexible Auswahl der zu verwendenden zeitverschobenen Prediktoren und den ihnen zugeordneten Vorperioden, die ebenfalls einzeln ein- und ausgeschaltet werden können
  

• die Ableitung der zeitverschobenen gemittelten Prediktoren direkt im Programm („on the fly")
• die Berücksichtigung aller Tage oder nur der Wachstumsperiode der betrachteten Pilzart
• die interne Berechnung des frühesten und spätesten Fund-Datums in der gewählten Lernperiode zur Beschränkung der Rechnungen auf die Wachstumsperiode
• die optionale Bildung und Archivierung alternativer Gleitmittelwerte für die Wachstums-Daten
• die Anpassung des zentralen Prognosemoduls CART (s.u.) an neue Rahmenbedingungen
• die Korrektur entstehender Prognosewerte außerhalb des zulässigen Werteumfangs
• die Anpassung der Ergebnisausgabe an die Erfordernisse einer schnellen grafischen Darstellung
• die Anwendung unterschiedlicher Verifikationsmethoden zur Überprüfung der Güte der berechneten Wachstumswerte.

Die Auswahl der besten primären Prediktoren für die Prognoserechnungen erfolgt auf Basis der für die (unverschobenen) ArcEGMO Original-Parameter durchgeführten Korrelationsanalysen, die der zeitverschobenen Prediktoren auf der Basis des ebenfalls vorgeschalteten Screening-Verfahrens. Für jeden der 10 Primärparameter lässt sich jeweils ein zeitverschobener Prediktor definieren, so dass Berechnungen des Pilzwachstums mit maximal 20 Prediktoren möglich sind. Ziel bei der Programmentwicklung war es auch, die Rechenzeiten möglichst gering zu halten, zum einen, um das Prognosesystem zur Optimierung der Inputparameter später in ein Optimierungsprogramm einbinden zu können, zum anderen um später die Wachstumsdaten mehrerer Standorte (so denn vorhanden) gleichzeitig verarbeiten und prognostizieren zu können.

Das CART-Verfahren
„Herzstück" des Prognoseprogramms Pilz4You_Prognose ist das vom CEC entwickelte Verfahren CART („Classifikation And Regression Tree"). Das Verfahren war in der Vergangenheit (in abgeänderter Form) u.a. auch Teil von Prognosesystemen, mit denen von GEPS die von Windenergieanlagen in größeren Regionen erzeugte Leistung operationell für die nächsten 5 bis 10 Tage prognostiziert wurde. Einzelheiten des Verfahrens können hier aus Platzgründen nicht im Detail beschrieben werden. Stattdessen soll nachfolgend lediglich die grundsätzliche Arbeitsweise erläutert werden.

Mit Hilfe des CART-Verfahrens wird das für eine bestimmte Pilzart beobachtete Wachstum auf der Basis vorgegebener Prediktoren beschrieben (Lernphase) und in einer weiteren Ausbaustufe prognostiziert (Prognosephase). CART ist ein Verfahren, das auf der Basis eines vorgegebenen Prediktoren-Pools (potenzielle Einflussgrößen) mit statistischen Methoden (multipler Regressionsansatz auf der Basis eines Klassifikationsbaumes) eine möglichst gute Prognose des Prediktanden (der Zielgröße) zu erreichen versucht. Prediktand und Prediktoren müssen dazu in Form von zeitsynchronen Zeitreihen vorliegen, die je nach Auflösung (z.B. Tages- oder Stundenwerte) und Art des zu beschreibenden Prediktanden einen minimalen Werteumfang aufweisen sollten.

Handelt es sich um einen Prediktanden mit einem mehr oder weniger wiederkehrenden zeitlichen Verhalten, so können vergleichsweise kurze Zeitreihen verwendet werden. Ein Beispiel dafür wären die Zeiten des Sonnenauf- und -untergangs sowie die Höhe des Sonnenstandes, die von einem Beobachter täglich aufgezeichnet werden. Diese Zeitreihen weisen eine leicht entschlüsselbare zeitliche Systematik auf. Handelt es sich dagegen um Zielgrößen, die ein komplexeres zeitliches Verhalten zeigen (wie z.B. das Pilzwachstum, das in einem Jahr früher, im nächsten Jahr später oder in einem anderen Jahr überhaupt nicht auftritt), so werden deutlich längere Zeitreihen benötigt, um in der beobachteten Zeitreihe eine Systematik zu erkennen und das Prognosesystem „anzulernen".

Die Anzahl der verwendbaren Prediktoren ist grundsätzlich unbegrenzt, allerdings sollte der Prediktoren-Pool sinnvollerweise nur solche Parameter umfassen, die potenziell einen Einfluss auf die Zielgröße haben. CART sortiert die schlechtesten der angebotenen Prediktoren im Rahmen eines komplexen Prozesses aus und verwendet diese nicht für die finale Prognose. Prediktoren, die von Natur aus eng korreliert sind, können zu einer statistischen Überbestimmung des betrachteten Systems führen und sollten nicht verwendet werden, zumal sie keinen wesentlichen zusätzlichen Informationsgehalt in die Prognoserechnungen einbringen.

Der im vorliegenden Projekt realisierte Ansatz zur Prognose des Pilzwachstums unter Nutzung von CART beruht nicht auf Klima-Prognosedaten, sondern auf beobachteten Klimadaten und unterscheidet sich deshalb grundlegend von den zuvor in anderen Projekten umgesetzten Prognoseansätzen. Insgesamt steht mit CART ein flexibles und auf verschiedene Probleme anwendbares Verfahren zur Verfügung, das (nach Integration in ein entsprechend ausgestaltetes Prognoseprogramm) auch im vorliegenden Projekt verwendet werden kann.

Einordnung des Prognoseansatzes
Vergleicht man den im Projekt Pilz4You entwickelten Prognoseansatz mit den wenigen in der Literatur beschriebenen anderen Ansätzen, so unterscheidet sich dieser deutlich von allen Methoden zur Entschlüsselung der zeitlichen Dynamik des Pilzwachstums. Im Gegensatz zu anderen Methoden zeichnet sich der hier entwickelte Ansatz aus durch

• einen umfangreichen meteorologischen Datenbestand, der Daten nicht nur für einen einzelnen Standort, sondern hoch aufgelöst für die gesamte Region (hier das gesamte Land Brandenburg) bereitstellt
  

• die Möglichkeit, bei Vorliegen umfangreicher Pilz-Beobachtungsdaten entspr. hoch aufgelöste Prognoserechnungen für die gesamte Region durchzuführen
  

• eine deutlich höhere Anzahl verwendbarer Einflussgrößen (Prediktoren)
  

• Programm-gestützte statistische Methoden mit Prognosecharakter (statt Auswertungen in einer Tabellenkalkulation).
  

Damit bietet die vorliegende Pilotversion des Programms Pilz4You_Prognose die Plattform für die Entwicklung eines flächendeckend anwendbaren Prognosesystems zur Beschreibung des Pilzwachstums.