APPLE AND PEAR PRODUCTION FORECAST SYSTEM

Fritz Winter

Versuchsstation für Intensivkulturen und Agrarökologie der Universität Hohenheim,'Ravensburg

ERTRAGSPROGNOSEN IM EUROPÄISCHEN KERNOBSTANBAU MIT DEM PROGRAMMPAKET FRUITCROP

Unsere Baumobstarten sind wegen ihrer Empfindlichkeit gegenüber Witte- rungseinflüssen starken kurzfristigen Ertragsschwankungen ausgesetzt.

Andererseits ist eine Anpassung der Produktionskapazität an sich än- dernde Marktverhältnisse wegen der hohen Investitionen für Neupflanzun- gen und der mehrjährigen ertragslosen bzw. ertragsschwachen Jungbaum- phase nur langfristig möglich.

An triffsicheren aktuellen (jährlichen) und potentiellen (bis zu 10jäh- rigen) Prognosen besteht daher weltweit Interesse. Basis der 'Bavendor- fer Methode' (Abb. 1) sind die 3 Ertragselemente:

Ertrag skapaz-ität, Fruchtbehangdi-chte , Frucht gewacht

Die Ertragskapazität eines Gebietes wird aus den anbaustatistischen Da- ten jeder Obstpflanzung mit Hilfe einer vom Baumalter abhängigen Expo- nentialfunktion summiert, die vom Einzelbaum ausgeht. Für längerfristi- ge Prognosen kommen Hypothes-en über Rodungs- und Neupflanzungsraten hinzu. Über die Kette Produktionskapazität —> Produktionsmenge ->

Marktpreis —> Rodungs- und Neupflanzungsrate -> Produktionskapazität besteht ein feedback mit der Tendenz zu zyklischen Schwankungen.

Die Behangdichte ist wichtigste Variable bei der Jahresprognose und kann mit heutigem Kenntnisstand noch nicht berechnet, sondern muß als Stichprobe jährlich gemessen werden. In längerfristige Prognosen geht sie als 'Normalbehangdichte' (langjähriges arithmetisches Mittel) ein.

Das Fruchtgewicht ist negativ mit der Behangdichte korreliert, wird aber außerdem durch die Witterung modifiziert. Die Möglichkeit, das Fruchtwachstum ohne Messung am Objekt allein aus der Witterung mit aus- reichender Genauigkeit zu simulieren, erscheint im Gegensatz zu den Verhältnissen bei der Behangdichte bald realisierbar, wie nachfolgend dargestellt wird.

Im Zusammenhang mit dem hier zur Diskussion stehenden Thema der Daten- banken dürfte bei FRUITCROP die Erarbeitung, Speicherung und Verwendung von Datensätzen zur Charakterisierung der Eigenschaften der verschiede- nen Sorten (Sortenparameter) sowie der gebietlichen Wachstumsbedingun- gen (Gebietsparameter) von Interesse sein.

Geht man davon aus, daß nicht nur bei Ertragsprognosen, sondern auch bei der regionalen und betrieblichen Anbauplanung der Einsatz der Daten- verarbeitung immer mehr an Bedeutung gewinnen wird, so stellt sich für alle, die an der Entwicklung solcher Systeme arbeiten, das gleiche Pro- blem einer Charakterisierung des Verhaltens der zur Diskussion stehen- den biologischen Systeme gegenüber den natürlichen und bewirtschaftungs- technischen Einflüssen. Dabei ist deduktives Vorgehen von der zunächst groben Skizzierung des Verhaltens solcher Systeme durch wenige Parame- ter bis zu immer weiter verfeinerten Modellen sicher der übliche und zweckmäßige Weg. Bevor sie für die Praxis anwendungsreif sind, müssen unsere Modelle eine gewisse Treffsicherheit besitzen, und dies setzt auch immer eine Vertiefung in komplexe Zusammenhänge voraus. Für die Praxis von Interesse werden unsere Modelle erst dann, wenn ihre Aussa- gen der Intuition und Erfahrung von Fachleuten aus der Praxis überlegen sind.

An einigen Beispielen von FRUITCROP möchte ich Ihnen erläutern, wie wir die Eigenschaften von Apfel- und Birnensorten durch Parameter zu defi-

u.Q

c

LÜ

5

i|

«4 ft*

g*

58

ONFORMS

JOROWERZ

APPLE AND PEAR PRODUCTION FORECAST SYSTEM

FRUITCROP

FRUITSIZE MEASUREMENT SAMPUNGS

FRUTTSIZE JL

COMFftREDATA WITH NORMAL SIZES

ACTUALYEARLY YIELD CALC.

USINGFRUIT SET AND FRUITSIZE SAMUNGS

INAOVANCE YIELD CALC.

FOREACH POSS.FRUIT- SETDENSITY YEAR J

8YEAR YIELD CAP EVOLUTION

LISTING

CROP1

^^^

CROP2 CAÜC.OF FINAL

FRUITSIZE DISTRIBUTION

i

USTING FRUITSIZES QUAUTIES TOEXPEQ

^^s

s

\

^^^

' ]

8l

CDZ

LÜ

SS

ÜJO_ z

^P

u.^U)Q D<

Abbildung 1: Organisationsschema des Bavendorfer Systems zur E r t r a g s p r o g n o s e bei Kernobst

Ertragsprognosen im Kernobstanbau 201 nieren versuchen. Dabei beschränken wir uns bislang auf solche Merkma-

le, die für den Fruchtertrag relevant sind (s. Tab.).

Tabelle: Beispiele einiger Sortenparameter aus der Datenbank zur Charakterisierung der Eigenschaften von Apfelsorten

Ertragsbeginn-Alter auf schwache r /mit t ler er/

starker Unterlage Fallobstanteile l Normalbehangdichte Tage Reifezeit

Veg. Wuchs, bezogen auf 'Golden Deliciöus1

Fruchtgewicht g (Min. /Max.)

Golden Deliciöus

2/3/3 2 6.5 155

1.0 100/180

Cox Orange

3/4/5 6 5.0 130

1 .1 85/140

Doy. Birne

6/7/7 3 3.5 155

1 .1 120/200

Die Definition der einzelnen Eigenschaften erweist sich als unter- schiedlich kompliziert:

Durch einfache Begrenzungsparameter läßt sich das jeweilige Alter defi- nieren, in dem die verschiedenen Sorten fruchtbar werden, d.h. mit dem Ertrag beginnen. Grundläge dazu bilden statistische Auswertungen, in manchen Fällen auch ergänzt durch Erfahrungswerte bzw. Schätzwerte.

Höhe=h

b)

S -

Abbildung 2: Das Ertragspotential eines Obstbaumes entspricht der Fläche seines Kronenmantels, oder - einfacher meßbar - der Fläche seiner Silhouette. Die Entwicklung dieses Potentials bis zum voll ausgewachsenen Baum kann durch eine Exponentialfunktion beschrieben werden (Abb. 3)

Schwieriger war die Definition des Ertragspotentials der Obstbäume. Als linear mit dem Ertragsverhalten korreliert erwies sich nicht etwa das Volumen der Baumkrone, sondern ihre Außenfläche, an deren Stelle man auch einfach die Fläche der Kronensilhouette setzen kann (Abb. 2). Die Veränderung dieser Ertragskapazität mit dem Alter läßt sich durch eine Exponentialfunktion darstellen, die für die einzelnen Sorten eine ähn- liche Form zeigt. Jedoch ist je nach Sorteneigenschaften wie auch nach den äußeren Wachstumsbedingungen die Steigung dieser Kurve unterschied- lich. Wir haben die Ertragskapazität, die sich als Funktion des Baumal- ters ändert, durch eine für alle Sorten einheitliche Exponentialfunk- tion beschrieben. Nur die Steigung dieser Funktion ändert sich durch einen sortenindividuellen Multiplikator für die Wuchsstärke. Dieses Er- gebnis wird je nach Anbaugebiet durch einen weiteren Multiplikator ver- ändert, der die Wachstumsbedingungen des jeweiligen Anbaugebietes be- schreibt. So wissen wir z.B. aus Stichproben, daß die Bäume im Obstbau- gebiet der Provinz Bozen 1,5mal schneller wachsen als in der Bodensee- region (Abb. 3). Es handelt sich hier also um eine rein empirische Para- metrisierung von beobachteten bzw. gemessenen Werten, ohne daß nach der Kausalität gefragt wird. Immerhin erlaubt uns dieses Modell, mit ausrei- chender Genauigkeit die Baumgrößen und damit die Ertragskapazitäten von Obstbäumen ohne Messung in jedem Einzelfall abzuschätzen und das Gesamt- potential von Obstbaugebieten aus den anbaustatistischen Unterlagen zu errechnen und fortzuschreiben.

Kronensilhouette (Brtragskapazitttt) je Bau«

unter Wachstumsbedingungen

der Bodenseeregion

von Bozen

10

Bauami t er in Jahren

Abbildung 3: Der Zuwachs an Ertragspotential (Kapazität) ist je nach Sorte, Unterlage und gebietlichen Wachstumsbedingungen verschieden. Sorten- und Gebietsunterschiede werden durch unterschiedliche Steigung derselben Funktion, also durch jeweils einen Parameter, definiert. Bezugssorte ist

'Golden Delicious1 (=1,0), Bezugsstandort das Versuchs- feld der Station Bavendorf.

(Aus WINTER, F. u.a.: LUCAS' Anleitung zum Obstbau, 29. Aufl.)

Ertragsprognosen im Kernobstanbau 203

Am Beispiel des Fruchtwachstums soll der Schritt von der beschreibenden Funktion zum dynamischen Modell dargestellt werden:

Die Fruchtgröße zur Ernte, eine der drei Komponenten des Fruchtertrages, ist - genetisch vorgegeben - sortenverschieden. Sie wird aber außerdem von der Dichte des Fruchtbehanges modifiziert, mit der sie negativ kor- reliert ist. Für die Sorten ergeben sich dabei unterschiedliche Spannen der Fruchtgrößen zwischen minimalem und maximalem Fruchtbehang. Wir konnten sowohl die sortentypischen Fruchtgrößen als auch ihre unter- schiedliche Reaktion auf die Behangdichten durch eine im Programm vorge- gebene nichtlineare Funktion beschreiben, deren Lage und Steigung durch die beiden Parameter - sortentypisches maximales bzw. minimales Frucht- gewicht (s. Tab.) - definiert wird.

Da außerdem die Jahreswitterung eine große Bedeutung für die Fruchtgrö- ße zum Pflückzeitpunkt hat, befriedigte dieses einfache Modell nicht voll. Wir haben daher das Fruchtwachstum zwischen Blüte und Pflücke bei verschiedenen Sorten, über mehrere Jahre und in unterschiedlichen An- baugebieten gemessen und erhielten Wachstumskurven, die wir wiederum durch Exponentialfunktionen definieren konnten (Abb. 4). Vergleiche von

200 180- 160- 140- 120 100-

80- 60- 40- 20-

F R U C H T W f l C H S T U M G O L D E N

V E R S C H I E D E N E F R U C H T B E H f l N G D I C H T E N

40 60 80 100 120 140 160 180 TflGE NflCH DER B L U E T E

Abbildung 4: Aus langjährigen Meßreihen über das Fruchtwachstum zwischen Blüte und Pflückreife kann man eine Mittelkurve ableiten und durch eine Exponentialfunktion definieren. Berücksich- tigt man außerdem die Fruchtbehangdichte, so ergibt sich eine Kurvenschar, deren Endwerte und Spanne durch die Para- meter der maximalen und minimalen Fruchtgewichte bestimmt sind. Bei zwischenzeitlichen Stichproben liefert die der tatsächlichen Behangdichte entsprechende Kurve den Ver- gleichswert.

Stichproben im Prognosejähr mit den mittleren Wachstumsfunktionen aus den vorhergehenden Jahren ermöglichten vor der Ernte Korrekturen der Prognosen durch Vergleich von Stichprobenergebnissen mit den Erwartungs- werten. Man muß sich jedoch darüber klar sein, daß auf solche Weise aus dem Datenmaterial verschiedener Jahre - wenn auch gebiets- und sorten- individuell - gewonnene statistische Mittelkurven rein beschreibenden Charakter haben und funktionelle Zusammenhänge, insbesondere mit der Witterung, nicht berücksichtigen.

Wesentlich weiter bringt uns der Versuch, aus dem umfangreichen Datenma- terial die Reaktion des Fruchtwachstums auf die täglichen Witterungsein- flüsse abzuleiten (Abb. 5-8). Unter den Bedingungen der Bodenseeregion ist dabei der Temperaturfaktor ausschlaggebend. Basis dieses weiterge- henden Wachstumsmodells ist eine Kurve, welche den Einfluß der Tempera-

tur auf die tägliche mögliche Zuwachsrate des Frischgewichtes beschreibt.

Es entsteht ein dynamisches Modell, welches das Fruchtwachstum als Reak- tion auf die täglichen Temperaturen simuliert. Das Untersuchungsmaterial dient nicht mehr rein statistisch beschreibenden Zwecken, sondern der Untersuchung der Reaktion eines Systems auf wechselnde Einflüsse von außen.

Das Experimentieren mit dynamischen Modellen vermittelt dem Versuchsan- steller gegenüber dem rein statistisch beschreibenden Modell neue Ein- blicke in mögliche Zusammenhänge, aber auch Erfahrungen über noch feh- lende Grundkenntnisse. Die Gefahr, daß ein dynamisches Modell für die Praxis irrelevante Ergebnise produziert, ist groß, solange nicht alle wichtigen Einflüsse berücksichtigt und quantitativ richtig eingebaut sind. Andererseits kommen auch komplexere dynamische Modelle mit einer durchaus überschaubaren Zahl von Parametern und Funktionen aus. Es soll- te möglich sein, gewisse Normen für die Definition des Verhaltens biolo-

g 30- w

tu O

20H

ÜJ>—

erK co

g «H

F R U C H T W P C H S T U M G O L D E N

V E R S C H I E D E N E FRUCHTBEHflNGDICHTEN

10-

QC

20 40 60 80 100 120 140 160 180 TRGE NRCH DER B L U E T E

Abbildung 5: Die Ableitung der Wachstumsfunktionen Abb. 4 ergibt die mittlere Zuwachsrate je Zeitabschnitt (hier je Dekade)

Ertragsprognosen im Kernobstanbau 205 gischer Systeme aufzustellen, die eine Erstellung und laufende Verfeine- rung von Datenbanken über diese Problematik ermöglichen.

Dabei scheint mir auch die Feststellung wichtig, daß die Grenzen zwi- schen ökonomischen und biologischen Datenbanken fließend sind:

Die gleichen Parameter, die wir im Ertragsprognosemodell FRUITCROP verwenden, sind auch Grundlage unseres Simulationsmodells FRUPR01, wel- ches die Wirtschaftlichkeit verschiedener Obstpflanzungen bei unter- schiedlichen biologischen und ökonomischen Voraussetzungen zum Inhalt hat. So bilden z.B. die Ertragskapazitäten der Bäume, die Fruchtbehang- dichten und die Fruchtgrößen nicht nur die Basis der Ertragsberechnun- gen in diesem Modell, sie gehen auch unmittelbar in die Pflückleistung je Arbeitskraft ein, die wiederum bei der arbeitsaufwendigen Obstkultur eine wichtige Kenngröße ist.

3.0-1

SIMULRTIONSMODELL

TEHPERRTURRBH.FRUCHTVRCHSTUM

o

o

O£

0) Oer

1.5-

1.0

0.5

20 40 60 80 100 120 140 160 180 TflGE NRCH DER B L U E T E

Abbildung 6: Auf der Basis einer Temperaturfunktion ergibt sich aus der täglichen Temperatur eine Tages-Zuwachsrate, welche den tatsächlichen Temperaturgang berücksichtigt. Sie zeigt den prinzipiell gleichen Verlauf wie die starre Funktion in Abb. 5, aber - wie in der Realität - mit starken witterungsbedingten Schwankungen.

o

5

200-]

180- 160- 140- 120- 100- 80-

40- 20-

TEMPERflTURflBH.FRUCHTWRCHSTUM

20 40 60 80 100 120100 140 160 180 TflGE NflCH DER BLUETE

Abbildung 7: Das kumulierte Ergebnis von Abb. 6 ist die Wachstumssummen- kurve, die wiederum der Funktion in Abb. 4 ähnelt, aber auf ganz anderem Wege zustandegekommen ist.

oc

€0 X ID

>—

co

Xo et

l.O-i 0.9- 0.8- 0.7- 0.6- 0.5- 0.4- 0.3- 0.2- 0.1 -

T E M P E R f l T U R F U N K T I O N F R U C H T W R C H S T U M R « E X P ( - C « ( f l B S ( f l L O G U T - T n / ( T M - T l ) )

2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 T E M P E R R T U R G R R O C E L S I U S

Abbildung 8: Zwei Beispiele der bei Abb. 6 u. 7 zugrundeliegenden Temperaturfunktion, für Temperaturschwellen von 6 und 8°C.

Das Fruchtwachstum hat sein Optimum in der Nähe von 20°C.

Ertragsprognosen im Kernobstanbau 207 LITERATUR

WINTER, F. und F. KLOSE: Prognosen über die Obstproduktion in der EWG mit Hilfe des Systems IBM 1130. - IBM-Nachrichten 19, H. 195, S. 687- 692 (1969).

WINTER, F.: A Simulation model for studying effeciency of appel and pear orchards. - Gartenbauwissensch. 41, S. 26-34 (1976).

WINTER, F.: Ertragsprognosen bei Kernobst nach der 'Bavendorfer Methode'.

Obstbau 2, S. 28-32 (1977) .

WINTER, F.: Biologisch-ökonomische Simulationsmodelle zur Berechnung der Wirtschaftlichkeit von Obstkulturen unter verschiedenen natürlichen und wirtschaftlichen Bedingungen. - Med. Informatik und Statistik 8, S. 120-126 (1978).

WINTER, F.: Europäischer Apfelanbau in der Krise. Prognose der Kernobst- ernte 1980 in der EG und benachbarter Drittländer. - Schwäbischer Bauer, 33, S. 3-4 (1980).