Analysen zur Anwendung

der ‚Hohenheim - Gülzower - Serienauswertung‘

im regionalisierten Sortenversuchswesen

in Mecklenburg - Vorpommern

 

 

D i s s e r t a t i o n

zur Erlangung des akademischen Grades

Doctor rerum agriculturarum

(Dr. rer. agr.)

 

 

eingereicht an der

Lebenswissenschaftlichen Fakultät

der Humboldt - Universität zu Berlin

 

von

Dipl. Ing. agr. Volker Michel

geboren am 13. April 1963 in Rostock

 

Zusammenfassung

Im Bundesland Mecklenburg-Vorpommern wurde die sogenannte Hohenheim - Gülzo­wer - Serien­auswertung (HGS) als methodisches Instrument im Sorten­versuchs­­­wesen eingeführt. Eines der Kernziele ist die frühe und präzise Schätzung von Sorteneffekten als eine Grundlage für Empfehlungen für Landwirte. Die vorlie­gen­de Dissertation untersucht erstmals die praktische Anwendung der HGS, erarbei­tet Verallgemeinerungen und bewertet die Wirksamkeit der wesentlichsten Optionen dieser Methode.

Alle Analysen mit der HGS erfolgen unter Nutzung der MIXED-Prozedur des SAS-Software-Systems mit dem REML-Algo­rith­mus. Die gewählten Modellgleichungen sind auf die Besonderheiten eines Sorten­prüf­systems ausgerich­tet. Außer dem zen­tra­len Faktor Sorte (S) werden insbeson­dere die Faktoren Jahr (), Ort (), Anbau­gebiet () und Versuchstyp () berück­sichtigt. Der Faktor  ist in  stratifi­ziert, während  innerhalb von - Kombinationen stratifiziert ist und eine gemein­same Auswertung von unterschiedlichen Stadien des Prüfsystems ermöglicht, insbe­son­dere die kom­bi­­nierte Auswertung von regionali­sier­ten Prüfun­gen nach der Zulassung (Landes­sorten­­versuche) mit den deutschen Wertprüfungen im Sorten­zulassungs­verfahren in Zuständigkeit des Bundessorten­amtes. In die Aus­wer­tung wurden insge­samt 36 stetige Merkmale über 13 landwirt­schaft­­liche Pflanzenarten einbezogen. Die Untersuchungen ergaben folgende Ergebnisse.

In der Mehrzahl der Fälle führte eine Datentransformation zu einer signifikant besse­ren Modellanpassung als eine Auswertung untransformierter Daten. Die Gültigkeit eines additiven Modells für untransformierte Daten ist für Versuchsserien offen­sichtlich nicht der Regelfall. Ohne Transformation zeigten sich bei vielen Merkmalen positive Korrelationen zwischen Vorhersagewerten und Residuen. In Übereinstim­mung zu dieser Auffälligkeit zeigte sich häufig ein Datenverhalten, welches als inter­mediär zwischen einem additiven und einem multiplikativen Verhalten interpretiert werden könnte. Für den Exzess wurden häufig sehr große positive Werte gefunden, wenn keine Transformation erfolgt. Dieses Problem konnte durch Transformation nicht substantiell abgebaut werden. Mit der Anwendung einer Datentrans­formation sollte sorgsam umgegangen werden. Außer Kriterien für die Güte der Modell­anpassung sollten auch Diag­nose­grafiken genutzt werden, um den Einfluss einer Transformation auf die Einhaltung der Modellvoraus­setzungen zu beur­teilen. Bei Abweichungen von der Normalverteilung sollte künftig auch untersucht werden, ob die Anwendung von GLMMs (generalized linear mixed models) eine geeignete Alter­native zur Transformation ist.

Als indirekte Quelle für eine unbefriedigende Modellanpassung kommt auch Varianz­heterogenität in Betracht. Die Detektion der von Varianzheterogenität betroffenen Effekte der Modellgleichung ist aufgrund der Komplexität des Modells schwierig. Der­zeit wird im Modell Varianzheterogenität für den Inter­aktions­effekt  und für die Fehler­varianzen der Mittelwerte aus Einzelversuchen zugelassen. Es sollte hinter­fragt werden, ob Varianzhetero­genität bezüglich weiterer Effekte der Modellgleichung zu berück­sichtigen ist. Zu diesem grundsätz­lichen Problem besteht weiterer Unter­suchungs­­bedarf an Daten aus dem Sortenprüf­system.

Der Komplex der Sorte  Umwelt - Variabilität in Nordostdeutschland wurde mittels Varianzkomponenten­schätzung bewertet. Dies ergab, unter anderem, in einer stabi­len Weise folgende RangfSolge mit abnehmenden Varianzen:

. Diese Relationen unterstreichen die Bedeutung langjähriger Auswertun­gen unter Einbeziehung aller Versuchstypen und zeigen, dass die vordefinierten Anbau­gebiete in sich hinreichend homogen sind. Die genetischen Korrelationen der Sorten­effekte zwischen nordostdeutschen Anbau­gebieten sind überwie­gend sehr groß. Trotzdem zeigte sich bei vielen Merkmalen für einzelne Anbau­gebiete eine signifikante Sortenspezifik.

Die Kombination von Langzeitanalyse und Zusammenführung von Wertprüfun­gen und Landessortenversuchen zeigte sich als die wirksamste Option der HGS. Voraus­setzung für die Nutzung dieser Synergie ist die Berücksichtigung der damit verbun­denen Unbalanciertheit durch die Modellwahl (beim Merkmal ‚Kornertrag von Winter­weizen‘ waren lediglich 2,4 % der Zellen in der orthogonalen  - Struktur be­setzt). Ohne diesen Ansatz wäre eine hinreichend gute Sorteneinschätzung auf­grund geringer Versuchskapazitäten in Mecklenburg-Vorpommern kaum noch möglich.

Auch die Einbeziehung von Nachbar­gebieten zur Schätzung von Sorteneffekten in einem Zielgebiet führt zu einer deutlichen Erhöhung der Genauigkeit der Schätzun­gen. Dabei bekommen die Gebiete in Abhängigkeit von den genetischen Korrelatio­nen sowie vom Prüfumfang in den Gebieten ein differenziertes Gewicht. Diese Strategie der abgestuften Gewichte ist auch einer Bildung von größeren Räumen ohne Wichtungsabstufung über­legen. Der Zeitgewinn bis zu einer fundierten Sorten­empfehlung beträgt durch diese Maß­nahme mindestens ein Jahr.

Eine Gewichtung der Sorten­­­mittelwerte aus Einzelversuchen mittels der Kehrwerte ihrer Fehlervarianzen ist eine weitere optionale Möglichkeit der HGS. Dies kann im Einzelfall nützlich sein. Der Einfluss auf die Schätzung der Sorteneffekte und deren Genauigkeit war überwiegend aber eher marginal. Die Gewichtung wird vom Autor vorliegender Dissertation für Routineanwendungen trotzdem empfohlen.

Mit dem Methodenkomplex der HGS auf Basis eines sechsjährigen Daten­satzes geschätzte Sorteneffekte waren phänoty­pisch signifikant korreliert zu den Sorten­effekten eines unabhängigen Folgejahres. Diese Situation entspricht der typischen Heraus­forderung an die Sortenberatung für Landwirte.

Die Annahme ‚fix‘ versus ‚zufällig‘ für den Faktor Sorte () wird für die Pflanzen­züchtung und für die amtliche Sortenprüfung differenziert diskutiert. Die Nutzung von BLUP ( ist als zufällig gesetzt) gegenüber BLUE ( ist als fix gesetzt) hat potenzielle Vorteile, z.B. bei Betrachtung des Selektionsgewinnes in einem Merkmal. Es werden in dieser Dissertation aber auch Probleme und Risiken bei der Nutzung von BLUP in der Sortenprüfung aufgezeigt.

Vorzüge der HGS hängen maßgeblich von der hinreichend präzisen Schätzung der Sorte  Umwelt - Varianzen ab. Neben der Einbezie­hung vieler Jahre ist somit auch die Erhaltung eines repräsentativen Netzes von Versuchsstand­orten­ in allen Anbaugebieten essenziell.

 

Summary

The so-called ‘Hohenheim - Gülzower - Serienauswertung’ (HGS) was introduced to the variety testing system of the German federal state ‘Mecklenburg-Vorpommern’ as a methodical instrument to analyse series of trials. One of its central aims is the early and precise estimation of variety effects as a basis for recommendations to the farmers. This thesis investigates - for the first time - the practical use of HGS, draws up some generalizations, and evaluates the efficiency of key options of this method.

All analyses based on the HGS are done using the MIXED procedure of the SAS-Soft­ware-System with the REML-algorithm. The chosen model equations are aligned to the special features of a variety trial system. Apart from the main factor Variety (), the factors Year (), Location (), Growing-Region (), and Type of Trial () are included. The factor  is nested within , whereas  is nested within  - combi­nations and allows a combined analysis of different stages of the testing system, especially to combine regional post-registration trials in various federal states of Germany with pre-registra­tion national trials under the responsibility of the German federal authority ‘Bundessortenamt’. The analysis comprises 36 continuous­ly scaled traits from 13 agricultural crops. The investigations revealed the following results.

In most cases a transformation of data resulted in a significantly better model fit, compared with the analysis of non-transformed data. The validity of an additive model for untransformed data is for series of trials, therefore, not the norm. Without a transformation there were positive correlations between predicted values and residuals for many traits. In accordance with this phenomenon I frequently found a data behaviour that might be interpreted as intermediate between an additive and a multiplicative behaviour. Values of kurtosis were frequently very high and positive, if no transformation was carried out. This problem couldn’t be substantially reduced by transformation. A transformation of the data should be applied with the greatest care. In addition to criteria for the quality of model fitting, diagnostic graphics should be used as well in order to assess the influence of a transformation with respect to compli­ance with the model assumptions. In case of deviations from the normal distribution, it should be investigated in the future whether the application of GLMMs (generalized linear mixed models) is a suitable alternative to the transformation.

As an indirect source of an unsatisfactory fit of models variance heterogeneity comes into account. The detection of the effects of the model equation that are affected by variance heterogeneity is difficult because of the complexity of the model. Currently heterogeneity of variance is permitted for the interaction effect  and for the error variances of the mean values of varieties of individual experiments in the model. It should be questioned whether variance heterogeneity with respect to other effects of the model equation must be considered. Concerning this fundamental problem further studies on variety testing data are necessary.

The complex of variety  environmental variability within northeastern Germany was evaluated by estimating the components of variance. In a robust manner this resul­ted, for example, in the following order of decreasing variances: . These relations emphasize the importance of long-term analyses involving all types of trials () and point out that the pre-defined regions are sufficiently homogeneous within themselves. Genetic correla­tions of the variety effects between regions () in northeastern Germany are predominantly considerable. Neverthe­less, many traits showed a significant specifi­city of variety effects in distinct regions.

The combination of long-term analysis and merging of data from pre- and post-registration variety trials appeared to be the most effective of all options of the HGS. A precondition for using this synergy is the consideration of the associated unbalan­ced­­ness due to the choice of model (the trait ‘grain yield of winter-wheat’ showed that only 2.4% of the cells in the orthogonal  - structure were occupied). Without this approach, a sufficiently appropriate variety evaluation would hardly be possible due to low test capacities in ‘Mecklenburg-Vorpommern’.

Furthermore, the inclusion of neighboring regions to estimate variety effects in a target region leads to a considerable increase of accuracy of the estimates. Depen­ding on the genetic correlations and on the number of trials per region, each region receives its own specific weight. This strategy of graded weighting is also superior to the formation of larger areas without weighting grada­tion. Using this method, the gain of time until a viable recommendation of varieties can be given amounts at least one year.

A weighting of the mean values of varieties of individual experiments using the reci­pro­cals of their error variances is a further optional possibility of the HGS. This option may be useful in individual cases. The effect on the estimation of the perfor­mance of varieties and their accuracy, however, was mostly rather marginal. Never­the­less, the author of the present thesis recommends this weighting for routine appli­cations.

The estimation of variety effects with HGS, based on a six-year dataset, was significantly correlated phenotypically to the effects of an independent subsequent year. This situation corresponds to the typical challenge of advising the farmers regarding the choice of varieties.

The assumption ‘fixed' versus ‘random' regarding the factor variety () is discussed in a differentiated way for plant breeding on the one hand and for the official variety testing system on the other. The use of BLUP (the effect  is fitted as random) versus BLUE (the effect  is fitted as fixed) has potential benefits, e.g. when considering the selection gain in a trait. On the other hand, problems and risks are identified in this thesis when using BLUP in variety testing.

Advantages of the HGS crucially depend on a sufficiently precise estimation of the variety  environmental variances. Therefore, apart from the inclusion of many years, the preservation of a representative network of experimental sites in all growing regions is essential.

Dokumente

• Zusammenfassung.pdf (PDF, 0,3 MB)