MITARBEITER

Nicht alle Wetterdaten sind gleich. Global, regional, national, stadtweit oder in einem bestimmten Bereich - der Umfang und die Genauigkeit der Wetterdatenquellen variieren ebenso wie die Projekte, die sie nutzen. Zu den verfügbaren Quellen gehören Forschungswetterstationen, Wetterstationen für Verbraucher, virtuelle Daten, Satellitendaten und mehr. Für die Gültigkeit Ihrer Daten und den Erhalt Ihrer Zeit ist es wichtig, die verschiedenen Optionen für Landwirte zu verstehen und zu wissen, wie man die beste Datenquelle für die Bestimmung von Wachstumsgradtagen, Evapotranspiration und mehr auswählt.

Die Art der Daten, die Sie benötigen, hängt davon ab, wie Sie sie zu nutzen gedenken. Integrierter Pflanzenschutz, Anbaumodelle, Bewässerung, Frost, Pestizidabdrift und Arbeitsmanagement auf der Grundlage von Hitzestress der Mitarbeiter haben alle ihre eigenen Datenanforderungen. Auch die Art der Kultur, mit der Sie arbeiten, kann die benötigten Daten drastisch verändern. In diesem Artikel stellen wir Ihnen unter Gegenüberstellung verschiedene Arten von Wetterdatenquellen vor und erläutern, was sie Landwirten bieten können.

Globale Modelle

Globale Modelle integrieren Satellitendaten, einige Bodenmessungen und Wetterballons, um vorherzusagen, was in allen Schichten der Atmosphäre passiert. Viele der Wetterdienste, die Landwirten zur Verfügung stehen, basieren auf globalen Modellen. Diese Modelle, die oft als "virtuelle Wetterstationen" bezeichnet werden, basieren nicht auf einem bestimmten Standort, sondern auf einem Raster, das über den gesamten Globus gespannt ist. Die Modelle gehen davon aus, dass der aktuelle Zeitpunkt T-0 ist und liefern Prognosen für die Zukunft. Da die Einrichtung und der Betrieb von virtuellen Wetterstationen sehr ressourcenintensiv sind, werden sie oft von staatlichen Stellen betrieben. Die auf Ihrem Handy verfügbaren Wetterdienste basieren in der Regel auf der Kombination mehrerer globaler Modelle mit einer statistischen Interpolation der von diesen Modellen abgerufenen Daten, um eine "lokale" Vorhersage zu erstellen.

Netzwerke von Wetterstationen

Regionale Netzwerke von Wetterstationen, auch Mesonetze genannt, werden oft landesweit betrieben. Sie bestehen aus einer Vielzahl von Instrumenten wie ATMOS 41 und ATMOS 41W von METER oder MetPRO und MesoPRO von Campbell Scientific. Diese Wetterstationen werden in offenen, ebenen, ungehinderten Gebieten mit Grasbewuchs aufgestellt, um eine neutrale regionale Darstellung zu gewährleisten. Mesonetze zielen darauf ab, eine langfristige Aufzeichnung qualitativ hochwertiger Messungen zu erstellen, indem eine Standardkonfiguration eingeführt und die Instrumente regelmäßig gewartet werden. Diese Netzwerke eignen sich zwar hervorragend für ein landesweites oder regionales Verständnis der atmosphärischen Muster, sind aber nicht für die Überwachung von Mikroklimata gedacht.

Standortbezogene Stationen

Aus diesem Grund entscheiden sich viele Landwirte dafür, Wetterstationen in ihren Obstplantagen und auf ihren Feldern aufzustellen, um das spezifische Mikroklima ihrer Kulturen zu verstehen und in der Lage zu sein, Ressourcen zu verwalten und Entscheidungen zu treffen. In der Vergangenheit waren standortspezifische Stationen schwer zu warten und erforderten mehr Zeit und Fachwissen, als viele Landwirte hatten. Dank des technologischen Fortschritts sind Wetterstationen für die Forschung heute jedoch kostengünstiger und benutzerfreundlicher geworden, so dass hochwertige Messungen für die meisten Landwirte zugänglich sind.

Standortbezogene Wetterstationen können an zwei Stellen installiert werden. Sie können außerhalb der Baumkronen angebracht werden, um das Mikroklima zu erfassen, in dem die Pflanze wächst. Oder sie können innerhalb der Baumkronen installiert werden, um sowohl das Mikroklima als auch die Auswirkungen der Bewirtschaftung wie Verdunstung, Abkühlung und Windströmungen innerhalb der Kultur zu erfassen.

Es gibt einen großen Unterschied zwischen den Messungen außerhalb der Baumkronen und denen innerhalb der Baumkronen, insbesondere bei Pflanzen wie Obstbäumen. In einer Studie über Apfelbäume, die von der Washington Tree Fruit Research Commission finanziert wurde, haben die Forscher Wetterstationen sowohl innerhalb als auch außerhalb der Baumkronen aufgestellt, um Gegenüberstellung den Unterschied zwischen den Messwerten zu ermitteln. Wie Abb. X unten zeigt, ist es in der Jahreszeit, in der die Bäume belaubt sind, innerhalb der Baumkronen viel kühler als außerhalb der Baumkronen. Dieses Ergebnis ist sinnvoll, da Verdunstung und Bewässerung zu einer Abkühlung durch Verdunstung führen. Nachts wurde kalte Luft in der Obstplantage eingeschlossen, so dass die Bedingungen in den Abendstunden noch kühler wurden, wenn es stärkere Inversionen gab.

Abbildung 2 zeigt Daten aus dem Sommer 2020, als sich die Temperatur um durchschnittlich 2°F verschob. 2021 erwies sich als ein heißerer Sommer mit einem Nettoeffekt von 4°F. Die Messungen der Luftfeuchtigkeit spiegeln diesen großen Unterschied ebenfalls wider und zeigen, dass es innerhalb der Baumkronen feuchter war als außerhalb der Baumkronen. Der Wind innerhalb der Baumkronen war ebenfalls drastisch geringer als der Wind außerhalb der Baumkronen, mit einer einzigen bemerkenswerten Ausnahme aufgrund von Windmaschinen, die zum Schutz vor Frost eingesetzt wurden. Diese Unterschiede haben große Auswirkungen auf Ihre Modelle für Ernte, Blüte, Schädlinge und Krankheiten. Wenn Sie nur außerhalb der Baumkronen messen können, müssen Sie diese potenziellen Unterschiede berücksichtigen, aber wir empfehlen dringend, zusätzliche Messungen innerhalb der Baumkronen vorzunehmen, wenn dies überhaupt möglich ist.

Dennoch empfiehlt METER, die Haupt-Wetterstation außerhalb der Überdachung zu platzieren, um die Windmessungen außerhalb der Überdachung zu ermöglichen und um die Evapotranspiration zu berechnen, um den Gesamteffekt der Umgebung auf die Überdachung zu erfassen. Eine Wetterstation außerhalb der Baumkronen ist auch weniger verschleißanfällig, da sie nicht Gefahr läuft, mit der Baumkrone zu interagieren. Für Managementzwecke müssen Sie in der Lage sein, Ihre Messungen innerhalb der Baumkrone mit einer Basislinie zu vergleichen: Gegenüberstellung . Messungen außerhalb der Baumkronen bieten eine Referenz für diese Vergleiche. Schließlich ist es möglich, standortspezifische Prognosen zu erstellen, aber dazu benötigen Sie Messungen, die nicht durch Ihre Bewirtschaftung kontaminiert sind.

Growing Degree Days im Vergleich

Der beste Weg, den Unterschied zwischen den Datenquellen zu verstehen, ist, alle möglichen Quellen von einem Standort aus gleichzeitig Gegenüberstellung und die Ergebnisse auszuwerten. Die Grafik in Abb. 3 unten zeigt dieses Szenario für eine Obstplantage. An diesem Standort waren wir in der Lage, Gegenüberstellung Wachstumsgradtage (GDD) zu berechnen, die aus Daten von fünf Quellen stammten - einer Wetterstation innerhalb der Baumkronen, einer Wetterstation außerhalb der Baumkronen, virtuellem Wetter von einer Wetter-App namens DarkSky, die inzwischen eingestellt wurde, und zwei AgWeatherNetwork Mesonet-Datenstandorten im Süden (Pasco) und Nordwesten (Ringold) des Standorts.

Die optimale Linie in dieser Analyse ist die grüne Linie, die die Wetterstation innerhalb der Baumkronen darstellt. Der Standort des AgWeatherNetwork (AWN) in Ringold stimmt gut mit den Messungen innerhalb der Baumkronen überein, weil es dort in der Regel kühler ist als in der Fir Road, aber wie bereits erwähnt, sind die Bedingungen innerhalb der Baumkronen in der Regel kühler als in der Umgebung der Pflanzen. Obwohl diese Informationen zufällig übereinstimmen, kann nicht davon ausgegangen werden, dass der Ringold-Standort ein zuverlässiger Ersatz für die Messungen innerhalb der Baumkronen ist. Die mit den AWN-Daten von Pasco berechnete GDD wich 15 Tage von den Messungen innerhalb der Baumkronen ab, die virtuellen Wetterdaten lagen acht Tage daneben und die Wetterstation außerhalb der Baumkronen lag fünf Tage daneben. Die Wetterstation außerhalb der Baumkronen kann entweder wärmere oder kältere Daten liefern als die Daten innerhalb der Baumkronen, unterscheidet sich aber in der Regel systematisch, während die Mesonet-Stationen eine weniger genaue Korrelation aufweisen und das virtuelle Wetter keine vorhersehbare Korrelation über die Zeit aufweist.

Virtuelle vs. reale Bahnhöfe

Im Zeitraum 2012-2020 initiierte AgWeatherNet eine Studie zu Gegenüberstellung DarkSky mit den Daten, die sie mit ihren Wetterstationen gemessen haben. Die Wahl fiel auf DarkSky, weil DarkSky zu dieser Zeit eine der besten Quellen für virtuelle Datenquellen war. Die täglichen Höchst- und Tiefsttemperaturen wurden täglich von 156 Wetterstationen mit doppelten Lufttemperatursensoren erfasst, was zu knapp einer halben Million täglichen Vergleichen führte.

Abb. 4 zeigt die Verteilung der Fehler für die Minimal- und Maximaltemperaturen der virtuellen Daten im Vergleich zu den tatsächlichen Werten der Wetterstationen. Die Höchsttemperaturen liegen größtenteils innerhalb der Standardabweichung von 1,1°C (2°F), was einer minderwertigen Verbraucher-Wetterstation entspricht. Zum Vergleich: Die Standardabweichung der Lufttemperatur auf ATMOS 41 beträgt 0,25°C (0,45°F). Auch wenn die Mehrheit der Messungen innerhalb der Standardabweichung liegt, gibt es immer noch eine beträchtliche Anzahl von Messwerten, die über diesem Schwellenwert liegen. Die Genauigkeitsabweichung wird sogar noch größer, wenn Sie niedrige Temperaturen messen.

Virtuelle Wettermodelle sind in der Regel nachts schlecht, weil sie nicht versuchen, kalte Luftströme oder Ihre lokale Topographie zu erfassen. Da es sich um globale Modelle handelt, können sie die Details Ihres spezifischen Standorts nicht berücksichtigen. Aus diesen Gründen sollten virtuelle Wettermodelle niemals verwendet werden, um Frost- oder andere Managemententscheidungen zu treffen, die sich auf kurzfristige Datenansammlungen stützen, wie z.B. ein Modell für das Pollenschlauchwachstum. Virtuelles Wetter ist nützlich für Parameter, die sich auf längerfristige Akkumulationen stützen, da sich die Fehler ausgleichen, aber alle Entscheidungen, die sich auf kurzfristige Daten stützen, werden bei Verwendung dieser Datenquelle stark verzerrt sein.

Die Studie umfasste auch einen Blick auf systematische Standortverzerrungen, wobei die Daten über die gesamten 8 Jahre der Studie an Standorten verglichen wurden, die eine Verzerrung aufwiesen. Wie in Abb. 5 zu sehen ist, war die Verzerrung der virtuellen Daten im Vergleich zu den Bodenmessungen über die Standorte hinweg nicht konsistent genug, um zuverlässige Anpassungen vorzunehmen, insbesondere bei der Arbeit mit den Mindesttemperaturen.

Vergleicht man die Stabilität des Standortes mit den Daten an seinem eigenen Standort, so zeigt die Studie auch, dass die Verzerrung an jeder Station von Jahr zu Jahr stark variiert, wie in Abb. 6 dargestellt.

Obwohl die globalen Modelle im Laufe der Zeit aktualisiert werden, gibt es keine Garantie dafür, dass sich die Berechnungen für Ihren speziellen Standort verbessern. Ihre Genauigkeit kann niemals die Präzision erreichen, die Sie durch Messungen an Ihrem Standort erhalten. Wenn Sie diese Messungen für ein Modell oder eine Berechnung wie die GDD verwenden würden, könnten Ihre Ergebnisse radikal falsch sein, da es keine Möglichkeit gibt, sie zuverlässig zu kalibrieren.

Phänologiemodelle sind ein Beispiel dafür, dass eine falsch berechnete GDD enorme negative Auswirkungen haben kann. Schädlingsarten, die ihre Temperatur nicht selbst regulieren können, sind auf die Umgebungstemperatur angewiesen, um Energie für ihr Wachstum zu erhalten. Daher werden die Wachstumsgradtage verwendet, um vorherzusagen, wann die Organismen bestimmte Meilensteine in ihrer Entwicklung erreichen und wann ein Anbauer auf die Bekämpfung der Auswirkungen vorbereitet sein muss.

Abb. 7 oben ist ein gutes Beispiel dafür, wie sich Wetterfehler mit der Zeit vergrößern. Diese Diagramme zeigen Apfelwicklermodelle bei 375 Wachstumsgradtagen, also zu Beginn der Saison, und bei 1375 Wachstumsgradtagen, also in der Mitte der Saison. Bei diesen Daten handelt es sich um ein Aggregat der virtuellen Wetterdaten aller Stationsstandorte über die gesamte 8-jährige Studie, so dass 1248 Stationsjahre in den Daten enthalten sind. Bei 375 GDD hatten 74% aller Standorte ein schlechtes Jahr, d.h. sie lagen mindestens einmal in den 8 Jahren um 5 oder mehr Tage daneben. Da jedes Jahr mehrere Standorte abweichen, gibt es weder eine Vorhersagbarkeit noch eine Möglichkeit, diese Fehler auszugleichen. Zur Mitte der Saison sind die Fehler so groß und weit verbreitet, dass das virtuelle Wetter für diese Modellierung unbrauchbar ist.

Wetterstationen in der Praxis

Die meisten Landwirte wissen, dass sie sich bei ihren Berechnungen nicht auf das virtuelle Wetter verlassen sollten. Bei der Verwendung von Wetterstationen in einem nahe gelegenen Mesonetz lernen die Landwirte aus Erfahrung, wie sehr sie die Skala für ihren genauen Standort verschieben müssen, da sie wissen, dass ihre spezifische Topographie und ihr Mikroklima in der Regel um wie viele Tage in welche Richtung auch immer abweicht. Das virtuelle Wetter bietet keine ausreichende Korrelation, um zuverlässige Anpassungen vorzunehmen. Wie beim Spiel Marco Polo reisen Sie vielleicht mit geschlossenen Augen in die Richtung Ihres Freundes, der "Polo!" ruft, und kommen ihm immer näher, wenn er plötzlich unter Wasser schwimmt und das Geräusch plötzlich aus einer anderen Richtung kommt.

Letztendlich sind globale Modelle in Kombination mit Wetterstationen von großem Wert und können ein sehr nützliches Instrument sein. Regionale Netzwerke sind nützlich für die langfristigen Modelle, die mit einer eigenen Station, die noch nicht so lange besteht, nicht erreicht werden können. Keine dieser drei Wetterquellen sollte außer Acht gelassen werden. Vielmehr ist es wichtig, ihre Stärken und Schwächen zu verstehen, um sicherzustellen, dass Sie für jede Anwendung die richtige Datenquelle wählen.

Haben Sie Fragen?

Unsere Wissenschaftler verfügen über jahrzehntelange Erfahrung in der Unterstützung von Forschern und Landwirten bei der Messung des Kontinuums zwischen Boden, Pflanze und Atmosphäre.

• Sprechen Sie mit einem Experten
• Angebot anfordern