Betriebseigene Versuche helfen Fragestellungen zu beantworten, die nur unter Praxisbedingungen wirklich untersucht werden können. Gegenüber Kleinparzellenfeldversuchen in den Versuchsstationen der Industrie und öffentlichen Hand besteht hier der Vorteil von selbst realisierten Versuchen unter betrieblichen Bedingungen. Damit verbundenen ist das Vertrauen in die Ergebnisse und die hohe Aussagekraft für die Situation vor Ort. Diese Versuchsmethoden heißen „On Farm Resarch“ (OFR), „On Farm Experimente“ (OFE) oder eben „Produktionsintegrierten Großparzellenversuchen“ (PiG).
Arnim Grabo hat im Agrarmanager August 2016 unter dem Titel „„Selbst Versuchsleiter sein“ über dieses Thema und aktuelle Versuche berichtet.
Mit PiG lassen sich auf Basis praxisüblicher Großtechnik, innerhalb des normalen Produktionsprozesses wissenschaftlich abgesichert Großparzellenversuche als Streifen- oder Rasteranlage planen, anlegen und auswerten.
Ziel dieser Versuche ist es, einen oder ggf. mehrere Faktoren hinsichtlich ihres Einflusses auf den Ertrag und oder andere Zielgrößen zu analysieren, wobei räumlich variierende Umwelt- und Bewirtschaftungseinflüsse als Störgrößen zu berücksichtigen sind.
Mit dem Softwarepaket „PiG-Stat“ von Alexander Brenning (Professor für Geoinformatik an der Friedrich-Schiller-Universität Jena) nutzen wir eine auf geopositionierten Daten basierende moderne Lösung für die geostatistische Vorprozessierung und Analyse von PiG-Versuchen. Eine besondere Herausforderung ist dabei der Umgang mit räumlichen Abhängigkeiten der Daten.
Durch die Berücksichtigung der erfassbaren teilflächenspezifisch wirkenden Störgrößen (Bodenqualität, Relief, Feuchetindex, Nährstoffstatus usw.) für jeden in der Ertragskartierung ermittelten Ertragspunkt (10.000 bis 20.000 je Versuch!) können wir aussagekräftige und robuste Ergebnisse erzielen. Der Einsatz von Geoinformationsystemen (GIS) zur Versuchsplanung und Auswertung, der Globalen Satellitenortung (GPS) bei der Versuchsanlage und Ernte und des Geostatistikwerkzeugs „PiG-Stat“ zur Modellbildung und Ergebnisfindung ermöglicht es erst, diese Art von Versuchen praxisnah und erfolgreich zu gestalten.
Mit PiG können Sie effektiv und vertrauenswürdig neue Erkenntnisse gewinnen, die es Ihnen ermöglichen, Ihre pflanzliche Produktion zu verbessern, wir unterstützen Sie dabei gern.
Fragen Sie uns, wir freuen uns auf Ihre Aufgaben! Unsere Spezialität sind betriebsspezifische Lösungen, wir schätzen Ihre Herausforderungen =;-).
Wie kommt es nun, dass wir auch nicht randomisierte Versuche anlegen, obwohl wir wissen, dass dies den Vorgaben der AG „Landwirtschaftliches Versuchswesen“ der Internationalen Biometrischen Gesellschaft, Deutsche Region widerspricht?
- In der Praxis werden die Versuche auf der Basis unserer Versuchsplanung von den Betrieben oft selbstständig angelegt werden. Wenn in den Prüfgliedern unterschiedliche Betriebsmittel zu unterschiedlichen Zeitpunkten zum Teil zwei bis dreimal in der Saison ausgebracht oder verschiedene Techniken und Technologien eingesetzt werden müssen, wird es schnell unübersichtlich, umso mehr bei einer Randomisierung. Diese „unordentlichen“ Versuche haben nach unserer Erfahrung eine Abbrecherquote von 50 % bis 60 % da die Parzellen, Blöcke und Wiederholungen durcheinandergebracht, damit die Versuche falsch angelegt und somit unbrauchbar werden.
- Randomisierung innerhalb des Feldes ist wichtig und, wenn praktisch umsetzbar, auch durchzuführen, wie im Leitfaden zu OFE (https://www.biometrische-gesellschaft.de/fileadmin/AG_Daten/Landwirtschaft/PDFs/Leitfaden_OFE-Band_2012.pdf) betont wird. Zu bedenken ist dabei aber, dass sich wichtige Störgrößen häufig sehr unterschiedlich in der Versuchsfläche ausprägen oder zeitlich variabel sind (wie z. B. die Witterung des Versuchsjahres) weshalb man sich nicht der Illusion hingeben sollte, durch eine Randomisierung innerhalb des Feldes eine umfassende Eliminierung von Störgrößen erzielt zu haben.
Links ein nicht randomisierter Versuch, rechts zum Vergleich eine Planung mit randomisierten Prüfgliedern
- In nicht randomisierten Versuchen ist eine Verzerrung von Ergebnissen vermeidbar, wenn mögliche Störgrößen hinreichend als erklärenden Variablen im Modell abgebildet werden. Daher achten wir darauf, dass relevante Messgrößen, die die Ausgangsbedingungen beschreiben, wie Bodeneigenschaften, Reliefparameter, Nährstoffgehalt oder Bestandsparameter bei der Modellbildung berücksichtigt werden. Diese Störgrößen werden in unseren PiG-Versuchen erfasst und in der Auswertung mittels „PiG-Stat“ verarbeitet.
- Gerade aufgrund der meist geringen Anzahl an Wiederholungen ist es auch in randomisierten Feldversuchen des OFE möglich, dass Störgrößen wie beispielsweise Bodeneigenschaften sich zwischen den zu vergleichenden Varianten erheblich unterscheiden. Insofern ist eine Randomisierung zwar hilfreich und wünschenswert, wird bei kleineren Wiederholungsanzahlen und mit größeren Parzellen jedoch nicht allein den möglichen Einfluss von Störgrößen auf die Untersuchungsergebnisse eliminieren können.
- Auch bei randomisierten Feldversuchen dieser Art ist die Beschreibung relevanter Störgrößen durch entsprechende erklärende Variablen daher aus unserer Sicht von größter Bedeutung und unumgänglich.
Die Randomisierung ist ein Punkt, der zwar in der OFE Versuchsanlage gefordert wird, man sollte sie allerdings nicht isoliert betrachten. Es gibt auch in anderen Disziplinen wie Ökologie und Medizin häufig nicht randomisierte Versuche sowie Beobachtungsstudien, die ihre Berechtigung haben, da eine Randomisierung eben nicht immer möglich ist.
Wir sind uns bewusst, dass wir bei der Anlage von nicht randomisierten Versuchen die Vorgaben der AG „Landwirtschaftliches Versuchswesen“ der Internationalen Biometrischen Gesellschaft, Deutsche Region in diesem Punkt nicht einhalten und uns somit nicht auf diese berufen können und wollen, wir finden allerdings den Leitfaden „OFE“ aber so wichtig, sodass wir diesen mit erwähnten.
Aus allen genannten Gründen werden wir weiter, wenn es nicht anders geht, auch nicht randomisierte produktionsintegrierte Großparzellenversuche planen, durchführen und auswerten!
Unsere Kontaktdaten sind:
arnim.grabo@exagt.de
+49 (0) 176 72588814, +49 (0) 34324 269737
andreas.schmidt@exagt.de
+49 (0) 173 352 8960, +49 (0) 34324 269739
Du muss angemeldet sein, um einen Kommentar zu veröffentlichen.