11 Auswertung von Versuchen

Die Auswertung von Versuchen, die über Epidemien (Befallsintensität) und ihre Korrelation mit dem Ertragsausfall Information geben sollen, muss auf die jeweiligen Verhältnisse abgestimmt werden. In diesem Kapitel werden nur einige Hinweise auf die häufigsten Probleme gegeben. Ich bin aber allen dankbar, die mir helfen, dieses Kapitel auszubauen und zu verbessern, da eine eindeutige Notwendigkeit besteht. 

11.1 Erfassen des Befalls 

Die Intensität eines Krankheitsbefalls muss gemessen werden, um den Wert X zu bestimmen. Jede Wirt-Parasit-Kombination ist ein spezieller Fall, es können keine allgemein gültigen Regeln aufgestellt werden. Gewisse Richtlinien sollten trotzdem befolgt werden.

Vor jeder Aufnahme muss der Wirt in seinem gesunden Zustand bekannt sein, und sein phänologisches Alter sollte nach einem einfachen und von allen anwendbaren Schema kodierbar sein (z.B. Feekes Schema). Die Krankheit soll in all ihren Symptomen bekannt sein. Der Typ der Symptome (nekrotische Läsion, Mosaik, Chlorosis, usw.), Qualität (stark sporulierend, nicht sporulierend, usw.) und Befallsintensität (quantitativ, z.B. 5% der Blattoberfläche) sollten in einem einfachen Schlüssel dargestellt werden, der zu unverwechselbaren Koden führt. Die Krankheitsintensität wird in Stufen (Klassen) zwischen 0% und l00% Befall unterteilt. Die Stufen sollen klein genug sein, damit das System eine genügende Auflösung hat, andererseits aber auch gross genug, um die Proben ohne allzu grossen Zeitaufwand einer Klasse zuordnen zu können.

In der Analysen der Epidemien wird die Krankheit immer als Stärke des Befalles (Befallsschwehre, Severity) angegeben. Beim Auswerten in Praxisversuchen hat sich aber oft die Inzidenz (Incidence) als geigneteres Mass durchgesetzt. (Kapitel 5). Tolleranzschwellen sind meistens als Anzahl befallene Blätter (Epipre) oder Zweige (Apfelschorf) zu einem bestimmten Zeitpunkt angegeben. Dies ist möglich da bei niedrigen Befallswerte die Inzidenz gut mit der Befallsstärke korreliert.

11.2 Fehler beim Schätzen von Befallsstärken

Grundsätzlich können die Fehler von zwei Faktorenarten bestimmt sein: individuelle Fehler, verursacht durch den Schätzer (seine Ausbildung, seine visuellen und seine Erinnerungsfähigkeiten) und interindividuelle Fehler, bedingt durch das Objekt, die Bedingungen und die verwendeten Schlüssel und Klassen. Einer der häufigeren systematischen Fehler wird durch die Nichtberücksichtigung des Weber-Fechnerischen Gesetzes und des Potenzgesetzes von Stevens verursacht. Die visuelle Wahrnehmung ist proportional zum Logarithmus der Intensität des Stimulus. Die Potenzfunktion gilt, wenn sowohl Reaktion als auch Stimulus logarithmisch zunehmen. In jedem Fall muss die zu verwendende Skala überprüft werden, da keine Allgemeingültigkeit besteht. Andererseits gilt bei einer Bonitierung in Klassen für beide Gesetze, dass die visuelle Bonitierung eines Befalls einem logarithmischen Auflösungsvermögen untersteht. Das heisst, für uns ist der Unterschied zwischen 1% und 5% Befall (4%) ungefähr gleich gross, wie zwischen 30% und 50% Befall (20%). Auf der anderen Seite der Skala (über 50%) wird nicht mehr der Befall bonitiert, sondern die befallsfreie Zone, z.B. eines Blattes, und darum gilt die gleiche Abstufung in der Auflösung, d.h. bei 90% ist sie besser als bei 60% Befall. Beispielsweise können folgende Klassen aufgestellt werden 0; 0.01 bis 2.9; 3 bis 5.9; 6-11.9; 12-24.9; 25-49.9; 50-75; 75.1-88; 88.1-94; 94.1 -97; 97.1-99.9 und 100 %. Die gebräuchlichste Art der Klasseneinteilung erfolgt nach der Potenzfunktion, nach einer geometrischen Reihe, nach der Exponentialfunktion (zunehmend bis 50%, abnehmend darüber) und nach der logistischen Funktion (mathematische Details in HAU und KRANZ, 1989). Soweit wie möglich sollten Standarddiagramme (Beispiel in Fig. 11.3) benützt werden, wie sie für viele Blattfleckenkrankheiten vorhanden sind. Aus den Häufigkeitsdaten der Werte in den einzelnen Klassen müssen meistens mittlere Befallswerte berechnet werden. Oft wird die Summe der Klassennummern oder der mittleren Befallszahlen der betreffenden Klasse erstellt und durch die Anzahl der Wiederholungen der betreffenden Stichprobe geteilt. Ein grosser Nachteil ist dabei, dass grosse Abweichungen entstehen können bei Werten nahe der Klassengrenzen. Ein reeller Befallswert von 50% kann der Klasse 25-50% zugeordnet sein oder auch derjenigen von 50 bis 75%, in einem Fall wird er sich mit 37.5% auf den Mittelwert der Probe niederschlagen, im anderen mit 62.5%.

Lit: Hau, B. und J. Kranz. 1989. Fehler beim Schätzen von Befallsstärken bei Pflanzenkrankheiten. Z. Pflanzenkrankheiten und Pflanzenschutz 96:649-674.

Schätzungen von der Befallsschwere beinhalten immer einen Fehler gegeben durch den Schätzer. Dieser Fehler kann eine systematische Abweichung sein (Fig. 11.4), der ware Wert wird im über- oder immer unterschätzt. Dieser Fehler kann mit geigneten Hilfen und Ausbildung vermieden werden (Fig.11.5 und 11.6). Die zweite Fehlerart ist die Schätzungsungenauigkeit, die Abweichungen sind zufällig und nehmen mit dem steigenden Befall zu. Diese Fehler können durch Ausbildung (vergleiche Fig. 11.4, 11.5 und 11.6) und ständigem Vergleich mit schon bekannten Befallstärken etwas reduzirt werden. Sie sind oft aber abhängig von der Person des Schätzers.

Nachdem genügend genaue und trotzdem nicht zu aufwendige Methoden gefunden sind, um die nötigen Grundlagen zu ermitteln, müssen diese auch anwendbar sein, um die Ernteverluste daraus zu berechnen. Die berechneten Ernteverluste führen zum Festlegen der Schadensschwellen. Die Integration der Grunddaten in Ernteverluste und Schadensschwellen führen zu den Prognosesystemen (Kapitel 15.1).

11.3 Verwendung von Epidemie-Kurven

Befallsdaten, die zu verschiedenen Zeitpunkten aufgenommen wurden, führen zu Epidemiekurven. Diese sind sicher sehr aussagekräftig, sie geben uns ein sehr differenziertes Bild und wir unterscheiden (Fig. 11.1) problemlos die zwei Kartoffelsorten. Für die mathematische Darstellung und Auswertung können sie so aber nicht verwendet werden. Wir müssen ihre Aussage auf einen Wert reduzieren. Verschiedene Möglichkeiten stehen zur Verfügung: der r-Wert. Falls wir die Hypothesen der Logittransformation annehmen und der Beginn der Epidemie unbedeutend für unsere Aussage ist, können wir den r-Wert verwenden. Nehmen wir die Hypothese Epidemiekurve = Logitsigmoide nicht an, können wir eine Richard-Gleichung nehmen, haben aber dann zwei Vergleichsparameter (m und r). Der Befall zu einem bestimmten Zeitpunkt (z.B. Schlussbonitierung) ist meistens ungenügend, da bei anderen Verhältnissen die Unterschiede oft verschwinden oder zumindest nicht mehr optimal sind. Einen einfachen Wert, der sich auf keine Hypothese abstützt und trotzdem die meisten Informationen der Epidemiekurve verwendet, ist die Fläche unter der Epidemiekurve (Area under the Progress Curve; ADPC or AUDPC). Vorteile: Die ADPC verwendet alle vorhandenen Daten und verschleiert die Varianzen nicht durch Transformationen. Kleine Ungenauigkeiten (Auswertung) am Anfang der Epidemiekurven, die sonst eine grosse Auswirkung haben, haben nur eine kleine, unbedeutende Auswirkung auf die ADPC. Die ADPC reflektiert sowohl die Zuwachsrate als auch den Beginn des schadenverursachenden Befalls. Nachteilig hingegen ist, dass wir keine räumlichen oder saisonalen Vergleiche machen können, ohne dass genaue Vergleiche von Versuchszeitplan und Berechnungsart (von ... bis) bekannt sind. Auch ist die Erklärung, was genau die ADPC darstellt, an Aussenstehende schwierig.