Die Gleitmethode nach Mitscherlich und was sie mit Geostatistik zu tun hat

  • Hans-Peter Piepho Universität Hohenheim, Institut für Kulturpflanzenwissenschaften, Stuttgart
  • Nha Vo-Thanh Universität Hohenheim, Institut für Kulturpflanzenwissenschaften, Stuttgart
Schlagworte: Mitscherlich-Anlage, Nächstnachbaranalyse, Geostatistik, Blockanlage, Zeilen-Spalten-Plan

Abstract

Die Mitscherlich-Anlage ist eine Versuchsanlage, bei der die Versuchsglieder in systematischer Reihenfolge in einer Reihe von Parzellen angeordnet sind. Diese Anordnung erlaubt es, mittels gleitender vollständiger Blöcke gleitende Mittelwerte über die gesamte Versuchsfläche zu berechnen. Diese Mittelwerte erfassen den räumlichen Trend und können zu einer Korrektur der Beobachtungswerte herangezogen werden. Dem Verfahren, das als Gleitmethode bekannt ist, wurde bei seiner Entwicklung allerdings kein explizites statistisches Modell zugrunde gelegt, so dass die Frage der zu bevorzugenden Auswertung solcher systematischen Versuchsanlagen offen ist. Des Weiteren stellen sich Fragen nach der relativen Vorzüglichkeit solcher Versuchsanlagen gegenüber randomisierten Versuchsanlagen und nach der besten Analysemethode. Diese Fragen sind insofern von aktueller Bedeutung, als es noch heute genutzte Langzeitver­suche gibt, welche nach einem systematischen Design ange­legt wurden. In diesem Beitrag gehen wir diesen Fragen nach, indem wir dem für die Gleitmethode vor­geschlagenen Auswertungsalgorithmus ein lineares gemischtes Modell zugrunde legen, welches eine lineare geostatistische Kovarianzstruktur impliziert. Wir betrach­ten dabei auch eine zweidimensionale Erweiterung des Mitscherlich-Verfahrens, welches von von Boguslawski unter der Bezeichnung „Ertragsflächenmethode“ vorgeschlagen wurde. Unsere Ergebnisse zeigen, dass ein systematisches Design unter dem hier vorgeschlagenen Modell tatsächlich optimal ist. Hieraus sollte allerdings nicht geschlossen werden, dass ein systematisches Design randomisierten Versuchsplänen vorzuziehen ist, denn es ist nicht zu erwarten, dass dieses spezielle Modell grundsätzlich besser an gegebene Daten passt als andere Vertreter aus der großen Klasse der geostatistischen Modelle. Die Vorteile einer Randomisation von Versuchen werden in der Schlussfolgerung betont.

Veröffentlicht
2020-11-01