Wissenschaftlicher Ansatz & Innovationen - Pilz4You_1

Zu Projektbeginn waren den Antragstellern keine Lösungen bekannt, die das Thema „Prognose des Pilzwachstums" in der hier angedachten Weise angehen. Verlässliche Vorhersagen für das Pilzwachstum zu treffen ist schwierig, angesichts der Situation in den Jahren 2009|2010 und 2016|2017 scheinbar fast unmöglich. Als Basis für zuverlässigere Vorhersagen sollen deshalb wissenschaftliche Grundlagendaten herangezogen werden, die zu einem Indikator für die Wahrscheinlichkeit des Auftretens verschiedener Pilzarten zusammengefasst und auch prognostisch genutzt werden.

Während die Forschungsfrage also vergleichsweise klar war, erforderte die Entwicklung eines Ansatzes, der das Pilzwachstum in seiner zeitlichen und räumlichen Dynamik quantitativ beschreibt, Arbeiten in verschiedenen Bereichen. Der interdisziplinäre Charakter des Projektes erfordert dabei eine enge Zusammenarbeit von Projektpartnern mit ausgewiesener Kompetenz auf diversen Forschungsfeldern.

Der wissenschaftliche Ansatz basiert auf Arbeiten, die von den meisten Projektbeteiligten bereits in der Vergangenheit durchgeführt wurden. Dazu gehören die operationelle Beschaffung, Verarbeitung und Archivierung räumlich verteilter, meteorologischer Datensätze zu Diagnose- oder Prognosezwecken (GEPS: Großräumige Prognosen der von Windenergieanlagen erzeugten Energie, BAH: Großräumige Beschreibung des Wasserkreislaufes, CEC: Statistische Klimamodellierung) und die GIS-Verschneidung verschiedener räumlicher Karten (BAH).

Neu war die Verknüpfung dieser bisher zu unterschiedlichen Zwecken (Hydrologie, Klimatologie, Windenergieprognose) erfolgten Arbeiten zu einem gemeinsamen Ansatz, der mit der mykologischen Fragestellung eine völlig andere Zielrichtung verfolgt.

Grundlage für die Zuverlässigkeit der erstellten Pilzwachstumsprognosen und ein wesentlicher Innovationsbestandteil des Vorhabens war insbesondere die Definition des Indikators für das Pilzwachstum, der auf den räumlich und zeitlich verteilten Grundlagendaten, aber auch auf den quantitativen und qualitativen Informationen beruht.

Dieser Indikator muss Informationen darüber enthalten, welche Parameter für das Pilzwachstum wichtig sind, welche Schwellenwerte dabei eingehalten werden müssen, welche Rolle die Dauer von Wetterlagen mit bestimmten Temperatur- und Niederschlagswerten spielt und wie sich die Abfolge von Naß- und Trockenperioden auswirkt. Der Indikator muss also die Frage nach den optimalen Wachstumsbedingungen beantworten und so definiert werden, dass er für prognostische Zwecke nutzbar ist.

Um die Wahrscheinlichkeit des Auftretens verschiedener Pilzarten in ihrer zeitlichen und räumlichen Dynamik zu beschreiben, wurde eine erste Pilotversion eines operationell arbeitenden Prognosesystems entwickelt, mit dessen Hilfe diese Wahrscheinlichkeiten berechnet (Vergangenheit) und prognostiziert (Zukunft) werden. Hier kamen Methoden zur Anwendung, die sich z.B. bei der Prognose regenerativer Energien bewährt hatten. Zu diesen Methoden gehört eine statistische Mustererkennung. Da die Genauigkeit der Prognoserechnungen mit zunehmender historischer Datenbasis („Lernzeitraum") zunimmt, handelt sich um ein lernfähiges System, das mit zunehmender Anwendungsdauer immer präzisere Ergebnisse liefert.

WEITER