Bildungstechnologien im Sport - Forschungsstand, Einsatzgebiete und Praxisbeispiele
Workshop Pflanzenwachstumsmodellierung - TU Dresden · Ziele des Workshops Theorieteil (9-10 Uhr)...
Transcript of Workshop Pflanzenwachstumsmodellierung - TU Dresden · Ziele des Workshops Theorieteil (9-10 Uhr)...
Tn Tx,
stress
Tr
(1) (2) (3) (4)
Soil
WorkshopPflanzenwachstumsmodellierungS. Seidel, N. Schutze, S. Kloß
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 1 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 2 / 75
Ziele des Workshops
◮ Theorieteil (9-10 Uhr)◮ Was sind Pflanzenwachstumsmodelle?◮ Welche Einsatzgebiete gibt es?◮ Wie unterscheiden sie sich?◮ Was ist bei der Erstellung eines Modells zu beachten?◮ Exkurs: 1D, 2D, 3D Modellierung des Bodenwasserhaushalts
◮ Praxisteil (10:30-12:30 Uhr) im PC Pool1
◮ Schrittweises Erstellen eines Modells◮ Testen verschiedener Bewasserungsszenarien◮ Auswertung der Ergebnisse
13.OG Westflugel (neben Zi. 367)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 3 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 4 / 75
Prozesse im System Boden-Pflanze-Atmosphare
◮ Boden-Pflanze-Atmosphare-Kontinuum
◮ Wasser, Stoff- und Energietransport in der ungesattigten
Bodenzone
◮ Wasser-, Kohlenstoff- und Energiehaushalt von Pflanzen
◮ unterschiedliche raumliche und zeitliche Skalen
◮ lokale Ruckkoppelungsprozesse
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 5 / 75
Prozessabbildung durch Modelle
◮ Abbildung der Prozesse durch Modelle
◮ Beschreibung eines sehr komplexen Systems
◮ Verwendung zugrundeliegender math./phys. Formeln oder
empirisch ermittelter Zusammenhange
Maintenance
Respiration
Conversion
ConversionConversion
Root Death
Conversion
StemStorage
OrganRootLeaf
Root
Residues
Leaf
Residues
Leaf Death
Partitioning
Release
Assimilate
PoolCO2
CO2
Photosynthesis
CO2
CO2
CO2
Light Temperature
Stress
Factors
Canopy
Structure
Senescence
ΣΣ
Ab
oveg
rou
nd
bio
mass
(kg
m-2
)
3
2
1
0
0 100 200 300 400 500
ΣTr (mm) Σ
Sorghum (N1) Sunflower (N0)
a
Abb.: Schematische Darstellung der Kohlenstoffbewegung (Daisy, Hansen et al. 2002)und des Zusammenhangs Biomasse - Transpiration (Aquacrop, Steduto et al. 2008 )
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 6 / 75
Anwendungsbeispiele von Modellen
◮ Prozessverstandnis
◮ Szenarienanalysen (Aussaatzeiten, Dungung, Klima,...)
◮ Reduktion von kostspieligen Versuchen
◮ Entscheidungshilfesysteme
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 7 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 8 / 75
Einteilung der Modelle
verschiedene Klassifizierungen moglich, hier:
◮ empirische vs. mechanistische Modelle
◮ Beispiele◮ Bodenwasserbewegung◮ Verdunstung◮ SVAT Modelle
◮ deterministische vs. stochastische Modelle
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 9 / 75
empirische Modelle (black box Modelle)
◮ beschreiben Beziehung zwischen Input und Output
◮ innerer Aufbau und innere Funktionsweise unbekannt/unwichtig
◮ einfache Entwicklung
◮ wenig Inputdaten u Parameter notwendig
◮ angepasst an spezifischen Standort
◮ Beispiel: FAO Model CropWat (Smith, 1992)Σ
Σ
Ab
ove
gro
un
d b
iom
ass
(k
g m
-2)
3
2
1
0
0 100 200 300 400 500
ΣTr (mm) Σ
Sorghum (N1) Sunflower (N0)
a
Abb.: Beziehung Biomasse-kumulative Transpiration im Modell AquaCrop
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 10 / 75
empirische Pflanzenwachstumsmodelle - CropWat
◮ ermittelt Bewasserungsbedarf
◮ Referenzverdunstung ETc = Kc ET0
◮ empirische kc Faktoren fur verschiedene Kulturen u. Stadien
◮ Vereinfachung des komplexen Zusammenspiels Ertrag - Wasser
◮ Studien weisen große Unterschiede zwischen ermitteltem kc auf
◮ Balance zwischen Genauigkeit, Einfachheit und Robustheit
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 11 / 75
empirische Pflanzenwachstumsmodelle - CropWat
◮ ermittelt Bewasserungsbedarf
◮ Referenzverdunstung ETc = Kc ET0
◮ empirische kc Faktoren fur verschiedene Kulturen u. Stadien
◮ Vereinfachung des komplexen Zusammenspiels Ertrag - Wasser
◮ Studien weisen große Unterschiede zwischen ermitteltem kc auf
◮ Balance zwischen Genauigkeit, Einfachheit und Robustheit
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 11 / 75
mechanistische Modelle
◮ Verhalten komplexer Systeme in math. Funktionen formuliert
◮ naturnaher Zusammenhang zwischen Modell und Realitat
◮ Verwendung zugrundeliegender math./phys. Formeln
tic
representation of the
odel
in
tation,
and a soil component.
Ma
cro
pore
s
Pestic
ide
Ma
cro
pore
s
Nitr
ate
Ma
cro
pore
s
Am
moniu
m
Ma
cro
pore
s
Org
an
ic M
atte
r
Ma
cro
pore
s
Hea
t
So
il
ma
trix
Ma
cro
pore
s
Wate
rSoil
Uptake
Turnover
Sorption
Transport
Phase
change
BioclimateSVAT
Light distribution
InterceptionSnow accumulation
VegetationGrowth
Photosynthesis
RespirationUptake
Numeric layer
Parameters:Soil Data
Vegetation
Data
Driving
variables:Weather Data
Management
Data
Maintenance
Respiration
Conversion
ConversionConversion
Root Death
Conversion
StemStorage
OrganRootLeaf
Root
Residues
Leaf
Residues
Leaf Death
Partitioning
Release
Assimilate
PoolCO2
CO2
Photosynthesis
CO2
CO2
CO2
Light Temperature
Stress
Factors
Canopy
Structure
Senescence
Abb.: Schematische Darstellung der Module und der Kohlenstoffbewegung in Daisy
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 12 / 75
mechanistische Modelle
◮ detaillierte Einflussnahme moglich
◮ Prozesse werden mathematisch beschrieben
◮ zeitlich und raumlich ubertragbar
◮ Kalibrierung und Validierung notwendig
◮ hohe Anzahl an Eingangsparametern notig
◮ Beispiele: Sucros (in Daisy), CERES, ORYZA2000, APSIM
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 13 / 75
mechanistische Modelle
◮ detaillierte Einflussnahme moglich
◮ Prozesse werden mathematisch beschrieben
◮ zeitlich und raumlich ubertragbar
◮ Kalibrierung und Validierung notwendig
◮ hohe Anzahl an Eingangsparametern notig
◮ Beispiele: Sucros (in Daisy), CERES, ORYZA2000, APSIM
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 13 / 75
empirisch vs mechanistisch - pot. Verdunstung
Verdunstungsberechnung nach Haude
Formel: ETPH aud e = aH aud e (es-e)
◮ aH aud e : empirischer (konstanter) monatlicher Pflanzenfaktor
◮ es-e: Sattigungsdefizit der Luft
◮ lediglich Lufttemperatur und relative Feuchte notwendig
◮ empirischer (konstanter) monatlicher Pflanzenfaktor notwendig
◮ nur fur die Berechnung von Monatssummen
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 14 / 75
empirisch vs mechanistisch - pot. Verdunstung
Verdunstungsberechnung nach Penman-Monteith
◮ Berechnungsansatz der realen ET aus den meteorologischen
Bedingungen und 2 Verdunstungswiderstanden
◮ weitverbreitete Anwendung
◮ Eingangsdaten: tagliche mittlere Werte von T, rH, R und v
E or ET ¼� Rn � Gð Þ þ �acp es � eað Þ=ra
�þ � 1þrs
ra
� �� �
��w
Eq.: Penman-Monteith Formel
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 15 / 75
empirisch vs mechanistisch - Ertragsermittlung
◮ empirische Funktion zur Abbildung der Pflanzenreaktion auf
Wasser
◮ Biomasse = Wasserproduktivitat * kumulative Transpiration
◮ Ertrag = Harvest Index * Biomasse
◮ Trockenstressabbildung durch Kc Reduktion (Kc * Ks)
Abb.: Eq.: relative Ertragsabnahme abhangig von relativer ET Abnahme (FAO)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 16 / 75
empirisch vs mechanistisch - Ertragsermittlung
◮ tagl. Entwicklungsrate (∆ DS) abhangig von Temperatur und
Tageslange
◮ Photosythese (PS) abh. von Lichtadsorption in Schichten
◮ Partionierung (Respiration, Seneszenz, Assimilatallokation)
◮ Kritischer Bodenwassergehalt → Trockenstress in
Bodenhorizonten → reduzierte Wurzelwasseraufnahme → Ta
◮ PS bei Trockenstress (Fw ) Reduktion abh. von aktueller ET
∆ ∆
α
t iw p
t, p i, p
+ E E = F F
+ E E (
F
Eq.: Reduktion der Photosynthese bei Trockenstress in Daisy/Sucros
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 17 / 75
empirisch vs mechanistisch - Bodenwasserbewegung
Klimatische Wasserbilanz
◮ KWB= P - ETp
◮ einfachste Methode
Zwischenlosung Speichermodell
◮ Boden speichert Wasser bis zum Erreichen der Feldkapazitat FK
◮ wenn Inhalt großer als die Speicherkapazitat wird, fließt der
Uberschuss in den nachsten Speicher
◮ keine raumliche Variabilitat der Feuchte
◮ nur Fluss nach unten, wenn FK uberschritten wird
◮ vereinfachte Abbildung der Pflanzen und der ETp
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 18 / 75
empirisch vs mechanistisch - Bodenwasserbewegung
Klimatische Wasserbilanz
◮ KWB= P - ETp
◮ einfachste Methode
Zwischenlosung Speichermodell
◮ Boden speichert Wasser bis zum Erreichen der Feldkapazitat FK
◮ wenn Inhalt großer als die Speicherkapazitat wird, fließt der
Uberschuss in den nachsten Speicher
◮ keine raumliche Variabilitat der Feuchte
◮ nur Fluss nach unten, wenn FK uberschritten wird
◮ vereinfachte Abbildung der Pflanzen und der ETp
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 18 / 75
empirisch vs mechanistisch - Bodenwasserbewegung
Klimatische Wasserbilanz
◮ KWB= P - ETp
◮ einfachste Methode
Zwischenlosung Speichermodell
◮ Boden speichert Wasser bis zum Erreichen der Feldkapazitat FK
◮ wenn Inhalt großer als die Speicherkapazitat wird, fließt der
Uberschuss in den nachsten Speicher
◮ keine raumliche Variabilitat der Feuchte
◮ nur Fluss nach unten, wenn FK uberschritten wird
◮ vereinfachte Abbildung der Pflanzen und der ETp
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 18 / 75
empirisch vs mechanistisch- Bodenwasserbewegung
Richards-Modell
◮ physikalisch basierte Beschreibung der Stromung in der
ungesattigten Zone
◮ partielle nichtlineare Differenzialgleichung, numerische Losung
◮ Wasserflusse als Resultat von Potentialgradienten2
◮ Prozessorientiertes Modell
◮ Randbedingungen (oben z.B. ET, unten z.B. GW, ψ)
◮ Kalibrierung der Parameter durch Feldmessungen (θ, ψ)
Eq.: Richardsgleichung
2Potentiale: ψW =ψm+ψo+ψg
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 19 / 75
Exkurs: Dimensionsreduktion
◮ die meisten Modelle bilden die Bodenwasserbewegung 1D ab
◮ Beregnung: 1D ausreichend da uniform
Beregnung Tropfbewässerung Furchenbewässerung
Abb.: Simulation unterschiedlicher Bewasserungsmethoden (sandiger Lehm: 1m x 1m)– Verteilung der Saugspannung nach Beendigung der Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 20 / 75
Exkurs: Dimensionsreduktion
◮ Tropfbewasserung: 2D oder 3D
◮ wichtig bei Ermittlung von Schlauch- und Reihenabstanden
Dimensionsabhängigkeit des Approximationsfehlers bei
der Simulation von BewässerungsvorgängenPeter Stange
Institut für Hydrologie und Meteorologie
3. Basismodellierung
4. Hinzunahme von Wurzelwasserentzug
5. Zusammenfassung
2. Mathematische Modellierung
3D -> 2D 2D -> 1 D
1 . Einleitung
3D -> 2D 2D -> 1 D
Bild 7:
oben: Wasserverteilung nach 48h
unten: Wasserverteilung nach 120h
Bild 8:
Wasserverteilung nach 48h,
2D Approximation
Bild 9:
Wasserverteilung nach 48h,
1D Approximation
mefunktion funktion
Quellen
Saugspannungin
[m]
0
-4
-8
Tiefe
in[m
]
0
-0.5
-1
0 10.5Breite in [m]
Saugspannungin
[m]
-8.6
-1 0.6
-1 0.2
-9.4
-9
Tiefe in [m]
0-0.8 -0.4
Saugspannungin
[m]
Tiefe in [m]
0-0.8 -0.6 -0.4 -0.2
-4
-9
-8
-7
-6
-5
Tiefe
in[m
]Tiefe
in[m
]
Breitein[m]
Breitein[m]
Länge
in [m]
Länge
in [m]
0
0
1
1
0
0
1
1
00
-1-1
Saugspannungin
[m]
-2
-6
-1 0
-4
-8
Tiefe
in[m
]
Breitein[m] Län
gein [m]
0
1
0
1
0-1
Tiefe
in[m
]
Breitein[m]
Länge
in [m]
0
1
0
1
0-1 -0.6 -0.2
-9.8
Tiefe in [m]
0-0.8 -0.4-0.6 -0.2-1
Saugspannungin
[m]
-1 0
-60
-50
-30
-20
-40
-70
-80
Saugspannung in [m]0-80 -40-60 -20
Reduktionsfaktor
1
0
0.2
0.6
0.8
0.4
Wurzelwasserentzugsrate
Wurzeltiefe
in[m]
Wurzelb
reite
in [m]
0
0.2
0.6
0.4
0
-0.2
-0.4
-0.6-0.
10.1
Simulationszeit in [h]28 8456 11 20
Wasserentzugsrate
in[m
m/d]
-2
-5
-3
-4
-6
Tiefe
in[m
]
0
-0.5
-1
10.5
Breite in [m]
Saugspannungin
[m]
-4
-9
-8
-6
-5
Tiefe in [m]
0-0.8 -0.4-0.6 -0.2
-7
0 -1
Abb.: Dimensionsreduktion von 3D zu 2D zu 1D
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 21 / 75
Exkurs: Dimensionsreduktion
◮ durch Reduktion von 3D auf 1D besonders auf sandigen Boden
Uberschatzung von Wasseraufnahme und somit von Ertrag
Dimensionsabhängigkeit des Approximationsfehlers bei
der Simulation von BewässerungsvorgängenPeter Stange
Institut für Hydrologie und Meteorologie
3. Basismodellierung
4. Hinzunahme von Wurzelwasserentzug
5. Zusammenfassung
2. Mathematische Modellierung
3D -> 2D 2D -> 1 D
Bild 10:
Bodenfeuchtevergleich der verschiedendim
ensionalen Modelle nach 120h Simulationszeit
1 . Einleitung
3D -> 2D 2D -> 1 D
Quellen
Saugspannungin
[m]
0
-4
-8
Tiefe
in[m
]
0
-0.5
-1
0 10.5Breite in [m]
Saugspannungin
[m]
-8.6
-1 0.6
-1 0.2
-9.4
-9
Tiefe in [m]
0-0.8 -0.4
Saugspannungin
[m]
Tiefe in [m]
0-0.8 -0.6 -0.4 -0.2
-4
-9
-8
-7
-6
-5
Tiefe
in[m
]Tiefe
in[m
]
Breitein[m]
Breitein[m]
Länge
in [m]
Länge
in [m]
0
0
1
1
0
0
1
1
00
-1-1
Saugspannungin
[m]
-2
-6
-1 0
-4
-8
Tiefe
in[m
]
Breitein[m] Län
gein [m]
0
1
0
1
0-1
Tiefe
in[m
]
Breitein[m]
Länge
in [m]
0
1
0
1
0-1 -0.6 -0.2
-9.8
Tiefe in [m]
0-0.8 -0.4-0.6 -0.2-1
Saugspannungin
[m]
-1 0
-60
-50
-30
-20
-40
-70
-80
Saugspannung in [m]0-80 -40-60 -20
Reduktionsfaktor
1
0
0.2
0.6
0.8
0.4
Wurzelwasserentzugsrate
Wurzeltiefe
in[m]
Wurzelb
reite
in [m]
0
0.2
0.6
0.4
0
-0.2
-0.4
-0.6-0.
10.1
Simulationszeit in [h]28 8456 11 20
Wasserentzugsrate
in[m
m/d]
-2
-5
-3
-4
-6
Tiefe
in[m
]
0
-0.5
-1
10.5
Breite in [m]
Saugspannungin
[m]
-4
-9
-8
-6
-5
Tiefe in [m]
0-0.8 -0.4-0.6 -0.2
-7
0 -1
Abb.: Saugspannungen nach 120h Simulation, Vgl 3D, 2D, 1D
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 22 / 75
SVAT Modelle
◮ SVAT=Soil-Vegetation-Atmosphere-Transfer
◮ große Bedeutung in Okologie, Klimatologie, Meteorologie
◮ mechanistische Modelle mit komplexen Pflanzen- u.
Verdunstungsmodellen u. Bodenwasserbewegungsgleichungen
◮ Grundlage: Verdunstungsberechung nach Penman-Monteith,
Transportwiderstande3, single- u. multi-layer-Modelle
◮ 1- und 2D Bodenwasserhaushalt, Makroporen
◮ N- u Pestizidtransport, Wasseraufnahme (Senkenterm), PS ...
◮ mangelhafte Beschreibung der Flachenheteorogenitat
◮ Aufwendige Einarbeitung und Datenerhebung und -analyse
3Boden-Pflanze-Atmosphare-Kontinuum
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 23 / 75
SVAT Modelle
◮ SVAT=Soil-Vegetation-Atmosphere-Transfer
◮ große Bedeutung in Okologie, Klimatologie, Meteorologie
◮ mechanistische Modelle mit komplexen Pflanzen- u.
Verdunstungsmodellen u. Bodenwasserbewegungsgleichungen
◮ Grundlage: Verdunstungsberechung nach Penman-Monteith,
Transportwiderstande3, single- u. multi-layer-Modelle
◮ 1- und 2D Bodenwasserhaushalt, Makroporen
◮ N- u Pestizidtransport, Wasseraufnahme (Senkenterm), PS ...
◮ mangelhafte Beschreibung der Flachenheteorogenitat
◮ Aufwendige Einarbeitung und Datenerhebung und -analyse
3Boden-Pflanze-Atmosphare-Kontinuum
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 23 / 75
SVAT Modelle
◮ SVAT=Soil-Vegetation-Atmosphere-Transfer
◮ große Bedeutung in Okologie, Klimatologie, Meteorologie
◮ mechanistische Modelle mit komplexen Pflanzen- u.
Verdunstungsmodellen u. Bodenwasserbewegungsgleichungen
◮ Grundlage: Verdunstungsberechung nach Penman-Monteith,
Transportwiderstande3, single- u. multi-layer-Modelle
◮ 1- und 2D Bodenwasserhaushalt, Makroporen
◮ N- u Pestizidtransport, Wasseraufnahme (Senkenterm), PS ...
◮ mangelhafte Beschreibung der Flachenheteorogenitat
◮ Aufwendige Einarbeitung und Datenerhebung und -analyse
3Boden-Pflanze-Atmosphare-Kontinuum
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 23 / 75
deterministische Modelle
◮ implizieren vorhersagbares Systemverhalten
◮ Beschrankung auf eine geringe Anzahl von Szenarien
◮ die meisten Pflanzenwachstumsmodelle sind deterministisch
◮ oft mangelnde Verfugbarkeit historischer Daten
◮ keine Wahrscheinlichkeitsaussagen
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 24 / 75
stochastische Modelle
◮ Unsicherheiten in Eingangsdaten vorhanden (Klima, Boden)
◮ Wahrscheinlichkeitsaussagen moglich (z.B. Spannweiten,
Verteilung)
◮ Berucksichtigung von Unsicherheiten moglich
◮ Bsp. Klimaszenarien (Realisationen zu vers. Szenarien)
◮ umso großer die Unsicherheiten, desto wichtiger ist die
Verwendung eines stochastischen Ansatzes
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 25 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 26 / 75
Erhebung von Versuchsdaten
Bewirtschaftungs
szenarien
Klimaszenarien
...
Modellanwendung
Modellvalidierung
Modellkalibrierung
Modellerstellung
Versuchsdaten I
Versuchsdaten II
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 27 / 75
standortspezifische Bodenparameter
◮ Bestimmung von:◮ Saugspannungen (pF Meter, Tensiometer)◮ Wassergehalten (FDR Sonden, Diviner, Bohrstock)
◮ in verschiedenen Tiefen
◮ moglichst kontinuierlich
◮ Bestimmung der vGM4 Parameter
◮ ggf. Makroporenfluss, untere Randbedingung (GW)
◮ wichtig bei Simulation von bewasserten Kulturen
4van Genuchten Mualem Parameter, beschreiben pF-Kurve
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 28 / 75
sortenspezifische Pflanzenparameter
wochentliche Bestimmung von:
◮ stomatarer Leitfahigkeit (Trockenstress)
◮ N-Gehalt der Blatter
◮ Pflanzenhohen
◮ phanologischen Phasen
in bestimmten Stadien (Blute...):
◮ Blattflachenindex (LAI)
◮ Biomasse (Partitionierung)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 29 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 30 / 75
Modellkalibrierung
Bewirtschaftungs
szenarien
Klimaszenarien
...
Modellanwendung
Modellvalidierung
Modellkalibrierung
Modellerstellung
Versuchsdaten I
Versuchsdaten II
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 31 / 75
Unterschied zwischen Parameter und Variable
Parameter
◮ beschreiben Eigenschaften
◮ haben oft eine physikalische der biologische Bedeutung
◮ konstant oder Entwicklung bekannt
◮ ermittelt bzw. kalibriert oder aus Literatur
Abb.: Daisy Parameterdatei Erbse (pea.dai)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 32 / 75
Unterschied zwischen Parameter und Variable
erklarende Variable
◮ beschreiben Zustande
◮ sind nicht vorhersehbar
◮ werden gemessen oder beobachtet
◮ andern sich mit der Zeit
◮ Bsp. Wassergehalt, LAI, Blutezeitpunkt ...
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 33 / 75
Modellkalibrierung - Was ist zu beachten?
◮ vorhandene Datenlage
◮ Definition des Ziels (Kalibrierung auf Ertrag, LAI,
Bodenwasserhaushalt,...)
◮ Sensitivitat der Parameter (→ Sensitivitatsanalyse)
100 120 140 160 180 200 220 240 260 280 3000
1
2
3
4
5
6
7
DAS [days]
LA
I [−
]
0%
−10%
− 25%
− 50%
−100%
+10%
+ 25%
+ 50%
+ 100%
Abb.: Sensitivitat des LAI auf verschiedene DSRate1 Werte
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 34 / 75
Modellkalibrierung
Moglichkeiten der Kalibrierung
◮ manuell (nur bei sehr wenigen Parametern moglich)
◮ automatisiert (Angleichen von simulierten u gemessenenWerten)
◮ Anpassen von Kurven an Messwerte◮ invers mit Optimierungsalgorithmus
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 35 / 75
manuelle Modellkalibrierung - Bsp. Buschbohne
unkalibriert vs kalibriert
2010 2011 2012 20130
1
2
3
4Ertrag Bohnen unberegnet (4 Sorten)
Ert
rag
[t
TM
ha1
]
Jahr
2010 2011 2012 20130
1
2
3
4Ertrag Bohnen reduziert (25,0,68 mm)
Ert
rag
[t
TM
ha1
]
Jahr
2010 2011 2012 20130
1
2
3
4Ertrag Bohnen vollbewässert (20,0,100 mm)
Ert
rag
[t
TM
ha1
]
Jahr
2010 2011 2012 20130
1
2
3
4Ertrag Bohnen unberegnet (4 Sorten)
Ert
rag
[t
TM
ha1
]
Jahr
2010 2011 2012 20130
1
2
3
4Ertrag Bohnen reduziert (25,0,68 mm)
Ert
rag
[t
TM
ha1
]
Jahr
2010 2011 2012 20130
1
2
3
4Ertrag Bohnen vollbewässert (20,0,100 mm)
Ert
rag
[t
TM
ha1
]
Jahr
Abb.: Beobachtungswerte (Kreuze) alle Sorten, Simulationsergebnisse (Kreise)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 36 / 75
pF-Kurve durch Pedotransferfunktionen
◮ Pedotransferfunktionen: rechnerische Ableitung von
bodenhydraulischen Kennwerten (nFK, PWP, Θr , Θs, α, Ks, n )
◮ Rosetta1: Texur, Lagerungsdichte → Θr , Θs
◮ RETC2: Eingabe gemessener Wassergehalte und
entsprechender Tensionen (Drucktopf)
◮ Ausgabe: vGM Parameter
1www.gcmd.nasa.gov/records/01-rosetta-99.html2www.pc-progress.com/en/Default.aspx?retc
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 37 / 75
pF-Kurve durch Messung und Anpassung
5
soil water content0.0 0.1 0.2 0.3 0.4 0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
soil
tensio
n
5.0
Abb.: Angepasse Retentionskurve
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 38 / 75
inverse Modellkalibrierung - Bsp. Wassergehalte
20
40
20
40
20
40
soil
wate
r conte
nt [%
]
20
40
20
40
0 50 100 150 200 2500
20
40
days after sowing [days]
soil
depth
[cm
]
observed
predicted
80
100
60
40
20
10
Val Cal Val Cal Val
Abb.: simulierte und gemessene Wasergehalte (Winterweizen)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 39 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 40 / 75
Modellvalidierung
Bewirtschaftungs
szenarien
Klimaszenarien
...
Modellanwendung
Modellvalidierung
Modellkalibrierung
Modellerstellung
Versuchsdaten I
Versuchsdaten II
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 41 / 75
Modellvalidierung
numerische Bestimmung der Modellgute, z.B.
◮ modeling efficiency (Nash-Sutcliff)
◮ mittlere quadratische Abweichung (MSE)
◮ Korrelationskoeffizient r
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 42 / 75
Modellvalidierung
numerische Bestimmung der Modellgute
◮ Modellfehler, Bias,... (beobachtet-simuliert)
◮ modeling efficiency (Nash–Sutcliff)
◮ mittlere quadratische Abweichung (MSE)
◮ Korrelationskoeffizient r
graphische Darstellung
◮ simulierte u gemessene Werte
◮ Residuen (Modellfehler vs. Messwert oder Variable)
450 0 100 200 300 400 500 600
−5
0
5
irrigation water applied [mm]
resid
ue [t ha −
1]
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 43 / 75
graphische Darstellung - Bsp. Buschbohne
0 10 20 30 40 50 60 70 80 90 1000
10
20
30
40
50
60P
flanzenhöhe [cm
]
Tag nach der Saat
simulierte und gemessene Pflanzenhöhen (Buschbohne)
Pflanzenhöhesim
Pflanzenhöhebeob
Abb.: simulierte und gemessene Pflanzenhohen Buschbohne 2013
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 44 / 75
Modellanwendung
Bewirtschaftungs
szenarien
Klimaszenarien
...
Modellanwendung
Modellvalidierung
Modellkalibrierung
Modellerstellung
Versuchsdaten I
Versuchsdaten II
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 45 / 75
simulationsgesteuerte Beregnung
◮ wochentliche Implementierung von Wetter und
Bewasserungsmengen in Modell
◮ wochentliche Neuberechnung des Bewasserungsbedarfs
20 30 40 50 60 70 80
0
10
20
30
40NS
und B
ew
ässeru
ng [m
m]
Tag nach der Saat
1000
800
600
400
200
0
Saugspannung [hP
a]
I [mm] = 30prognostiziertesWetterWetter 2013
350 hPaauf 30 cm Tiefe
Neuberechnung (20.8.)simulierte Reife: 13.9.simulierter Ertrag (TM): 1,5 t/ha
Abb.: Simulierter Bewasserungsplan in Echtzeit fur Buschbohne, 2013
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 46 / 75
Modell Daisy
◮ hier: Version 5.145
◮ kostenlos, opensource, fur Windows und Linux
◮ Verschiedene Ordner:◮ bin → Daisyausfuhrung (.exe)◮ doc → Dokumentation (Ubungen, Manual, Tutorial)◮ exercises → Ubungen◮ lib → Bibliothek (Standartpflanzenparameter, Bobearb)◮ sample → Beispieldateien
◮ fur diese Ubung: Ordner ”Daisy Simulationen”
5unter www.code.google.com/p/daisy-model/wiki/SVAT
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 47 / 75
Dateiformate
Die Erstellung von 2 Dateien ist notwendig:
◮ Steuerdatei (setup) mit Endung .dai
◮ Wetterdatei mit Endung .dwf
◮ Zudem wird auf Dateien der Bibliothek (lib) zugegriffen
◮ Wir erstellen nun schrittweise die Steuerdatei namens
”Modellerstellung Schritt1.dai”
◮ notepad++.exe in Ordner ”notepad++”“starten, Steuerdatei
”Modellerstellung Schritt1.dai”“hineinziehen
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 48 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 50 / 75
Steuerdatei - Beginn
Befehle
; Kommentar
(input file ”tillage.dai”)
(input file ”pea kalibriert3.dai”)
(input file ”log.dai”)
(weather default
”./Wetter 2008 2012.dwf”)
(description ”...”)
(log prefix ”Modell...)
Kommentare
; wird nicht berucksichtigt
Aufruf Datei Bodenbearbeitung
Aufruf Pflanzenparameterdatei
Aufruf log Datei
Aufruf Wetterdatei
Projektbeschreibung
Ergebnisse werden in Unterordner
geschrieben (Ordner anlegen!)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 51 / 75
Steuerdatei - Definition des Bodens
(defhorizon Ap BSI3
(clay 8.0 [%])
(silt 10.5 [%])
(sand 81.5 [%])
(humus 1.12 [%])
(C per N 11.0 [g C /g N])
(dry bulk density 1.5 [g/cm3]))
(defhorizon B BSI3
(clay 5.88 [%])
(silt 11.5 [%])
(sand 82.5 [%])
(humus 0.12 [%])
(C per N 11.0 [g C/g N])
(dry bulk density 1.5 [g/cm3]))
Textur von Ap nach BSI3 Klassifika-
tion: Sand 2-0,06 mm, Schluff 0,06-
0,002 mm, Ton: <0,002 mm
Textur + Humus muss 100 ergeben
C/N Verhaltnis
Lagerungsdichte
Definition des Horizontes B nach BSI3
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 52 / 75
Steuerdatei - Definition des Bodens
(defcolumn Sandboden default
(Soil (horizons (-20 [cm] Ap)
(-2.5 [m] B))
(MaxRootingDepth 85.0 [cm]))
(Groundwater deep))
(column Sandboden)
(activate output (after 2008 04 15))
(time 2008 1 5) (stop 2012 08 15)
weitere Vorgaben:
Machtigkeit der Horizonte
maximale Durchwurzelungstiefe
Grundwassertiefe: fern
Befehl: Verwende die definierte Bo-
densaule
Zeitraum Output
Simulationszeitraum
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 53 / 75
Steuerdatei - Pflanze
(defcrop ”pea”default
(enable N stress false))
(defaction Management activity
(wait mm dd 4 15)(sow ”Pea”))
(wait (or (crop ds after ”Pea”2.0)
(mm dd 8 15))) (harvest ”Pea”))
(manager activity
(activity (repeat
Management))(stop))
Wahl der Pflanze (Erbse) aus Ordner
”lib”
volle Stickstoffversorgung
Definition einer Managementaktion
Saat am 15. April
Ernte bei Reife (DS 2.0)
bzw. spatestens am 15. August
Wiederholung der Managementaktion
; development stages (DS):
DS -1: Saat,
DS 0: Aufgang,
DS 1.0: Blute,
DS 2.0: Reife
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 54 / 75
Steuerdatei - Output
(output (“harvest “(where “
Ernte Zusammenfassung.dlf”))
(”N Balance”(when monthly)
(where ”N Bilanz.dlf”))
(”Crop Production”(when daily)
(where ”Pfl.kenngroessen.dlf”))
(“Soil Water Content”(when daily)
(where ”Bodenwassergehalte.dlf”))
(“Soil Water Potential”(when daily)
(where SSaugspannungen.dlf”))
(”Field water”(when daily)
(where ”taegl. WB Feldskala.dlf”)))
Zusammenfassung der
Ernteergebnisse
monatliche Stickstoffbilanz
tagliche Ausgabe von Pflanzenkenn-
groessen
tagliche Ausgabe von Bodenwasser-
gehalten
tagliche Ausgabe von Saugspannun-
gen
tagliche Ausgabe von NS,
Bewasserung, Temp, ET
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 55 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 56 / 75
Wetterdatei
◮ Datei Wetter 2008 2012.dwf
◮ besteht aus 2 Teilen:◮ Allgemeines zur Wetterstation/ Lage ...◮ gemessene Wetterdaten
◮ weitere Informationen unter reference.pdf
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 57 / 75
Wetterdatei - Allgemeines
dwf-0.0 # Kommentar
Station: Baruth
Elevation: 155 m
Longitude:15 dgEast
Latitude:51 dgNorth
TimeZone: 15 dgEast
Surface: reference
ScreenHeight: 2.0 m
Begin: 2008-01-01
End: 2012-12-31
Timestep: 24 hours
NH4WetDep: 0.9 ppm ...
TAverage: 9.5 dgC
TAmplitude: 9.1 dgC
MaxTDay: 212 yday
Wetterdatei, # Kommentar
Stationsname
Stationshohe
Langengrad
Breitengrad
Zeitzone
Messung auf Grasbestand
Messhohe [m]
Beginn
und Ende der Wetterdatei
Zeitschritt
feuchte u trockene N Deposition
Durchschnittstemperatur
jahrl. Temperaturamplitude
Tag mit hochster Temperatur
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 58 / 75
Wetterdatei - Wetterdaten
Year Month Day
Precip [mm]
GlobRad [W m−2]
RelHum [%]
Wind [m s−1]
AirTemp [dgC]
auch moglich:
T min [dgC]
T max [dgC]
RefEvap [mm h−1] [mm d−1]
VapPres [Pa]
Datum
Niederschlag
Globalstrahlung
relative Luftfeuchte
Windgeschwindigkeit
mittlere Temperatur
auch moglich:
Minimaltemperatur
Maximaltemperatur
Referenzverdunstung
Dampfdruck
NaN (not a number) bei Fehlwerten
eintragen
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 59 / 75
Simulation
◮ um die Simulation zu beginnen, bei Batchdatei Schritt1 auf Enter
klicken (oder Doppelklick)
◮ (sonst: Steuerdatei mit der Maus in die daisy-Verknupfung.exe
ziehen, wenn Programm auf lokalem Rechner installiert ist)
◮ die Ergebnisse sind nun im Unterordner namens
Modellerstellung Schritt1
◮ Format .dlf kann mit Excel geoffnet werden6
6vorsicht: Regionvoreinstellung ist USA, d.h. , und . sind bei Zahlen vertauscht
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 61 / 75
Ernteergebnisse 2008-2012 - Zusammenfassung
◮ Erntedatum
◮ verwendeter Boden und Pflanze
◮ Trockenmasse von Stiel, totem Material, Blattern und des
marktfahigen Ertrags [t ha−1]
◮ Stickstoffgehalte in Pflanzenteilen [kg N ha−1]
◮ Stresstage aufgrund von Trockenheit
◮ Stresstage aufgrund von Stickstoffmangel
◮ Wasserproduktivitat [kg m−3]
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 62 / 75
Ertrage
2008 2009 2010 2011 20120
0.5
1
1.5
2
2.5
Ert
rag
TM
[t
ha
−1]
Abb.: Ertrage von Erbse in TM [t ha−1]1
◮ Niederschlage in Vegetationsperioden: 65, 202, 114, 78, und
225 mm
1Annahme: TS-Gehalt: 21% (bei TW Wert 120)
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 63 / 75
Pflanzenkenngroßen
wichtige Pflanzenkenngroßen:
◮ DS: development stage (-1 bis 2)
◮ height: Hohe der Pflanze
◮ depth: maximale Wurzeltiefe
15.4.08 15.4.09 15.4.10 15.4.11 15.4.12−1
0
1
2
Entwicklungsstadium
15.4.08 15.4.09 15.4.10 15.4.11 15.4.120
20
40
60
80
100Pflanzenhöhe [cm]
N-Bilanz:
◮ u.a. NO3 und NH4 im Boden
◮ hilfreich fur Bilanzen (und bei Fehlern) ist Logfile daisy.log
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 64 / 75
Wassergehalte und Saugspannungen
◮ tagliche Werte
◮ 27 Bodentiefen
◮ Visualisierung mit ShowDaisyOutput.exe
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 65 / 75
Niederschlage und Tensionen
15.4.08 15.4.09 15.4.10 15.4.11 15.4.12
0
20
40
60
mm
]
0 20 40 60 80 100
0
5
10
15
20
Tage nach der Saat[m
m]
0
5000
10000
15000
Niederschläge und Tensionen 2008−12
[hP
a]
0
5000
10000
15000
[hP
a]
Niederschläge und Tensionen 2008
Abb.: Niederschlage [mm] und Saugspannung auf 30 cm Bodentiefe [hPa]
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 66 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 67 / 75
Schritt 2 - fixe Beregnungstermine
(wait mm dd 5 15)
(irrigate overhead 10 [mm/h]
(hours 1))
(wait mm dd 6 1)
(irrigate overhead 10 [mm/h]
(hours 1))
...
warte bis 15. Mai
beregne 10 mm
(Rate: 10 mm/h)
warte bis 1. Juni
beregne 10 mm
(Rate: 10 mm/h)
◮ Bewasserung von 10 mm alle 14 Tage
◮ insgesamt 40 mm
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 68 / 75
Ertrage
2008 2009 2010 2011 20120
0.5
1
1.5
2
2.5
Ert
rag
TM
[t
ha
−1]
Abb.: Ertrage unbewassert vs. fixe Beregungstermine in TM [t ha−1]
◮ sichtbare Zunahme der Ertrage bei trockenenem Fruhjahr
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 69 / 75
Gliederung
Ziele des Workshops
Theorie: Pflanzenwachstumsmodellierung
Einleitung
Einteilung der Modelle
Datenerhebung
Modellkalibrierung
Modellgute
Praxis: Erstellung des Modells Daisy
keine Bewasserung
Wetterdatei
fixe Beregnungstermine
tensionsgesteuerte Bewasserung
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 70 / 75
tensionsgesteuerte Bewasserung
(defaction Tensionssteuerung activity
(wait (and (after mm dd 4 15)
(before mm dd 08 15)
(not (soil water pressure above
(height -30.0 [cm])
(potential -350 [cm])))))
(irrigate surface 10 [mm/h])
(wait days 1))
(defaction Management2 activity
Management Management Manage-
ment Management Management)
(manager activity
(while Management2
(repeat Tensionssteuerung))
(stop))
Definition Bewasserungsstrategie
moglicher Bewasserungszeitraum
bewassere, wenn die Saugspannung
auf 30 cm Tiefe den Schwellenwert
-350 hPa unterschreitet
bewassere dann 10 mm (10 mm/h)
warte 1 Tag (Verteilung)
Definition des Management2:
5 mal Management (2008-12)
Wiederhole Management2
Wiederhole die Tensionssteuerung
wahrend Management2 lauft
Abbruch 2012
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 71 / 75
Ertrage
2008 2009 2010 2011 20120
0.5
1
1.5
2
2.5
Ert
rag
TM
[t
ha
−1]
Abb.: Ertrage unbewassert, fixe Beregungstermine und Tensionssteuerung
◮ sichtbare Unterschiede in den Ertragen
◮ Bewasserungsmengen: fix: immer 40 mm,
Sensorsteuerung: 40, 0, 60, 50, 0 mm
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 72 / 75
Saugspannungen und Ertrage - Visualisierung
28/04 18/05 07/06 27/06
-250
-200
-150
-100
-50
0
2.0
3.0
4.0
3.5
2.5
1.5
pF:
Abb.: Saugspannungen und Wachstum von bewasserter Erbse 2011
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 73 / 75
Zusammenfassung
Kontrolle fixe Beregnung Sensorgesteuert
Ertrage 2009 2,1 2,1 2,1
Ertrage 2010 1,3 1,3 2,2
Bewasserung 2009 0 40 0
Bewasserung 2010 0 40 60
WP 2009 4,3 4,1 4,3
WP 2010 2,0 2,5 3,8
◮ Vergleich von zwei extremen Jahren
◮ hochste WP [kg m−3] im sensorgesteuerten Szenario
◮ hochste Ertrage [TM t ha−1] im sensorgesteuerten Szenario
Workshop Pflanzenwachstumsmodellierung Lehrstuhl fur Hydrologie (TU Dresden) 74 / 75