Multiskalige hybride Modellierung des Pflanzenwachstums als Reaktion auf Umweltbedingungen und Verfügbarkeit von Boden-Nährstoffen

Die Modellierung von Ernte spielt eine entscheidende Rolle in der Landwirtschaft, indem sie unser Verständnis und die Vorhersage des Pflanzenwachstums und der Erträge unter verschiedenen Umweltbedingungen unterstützt. Diese Studie zielt darauf ab, ein umfassendes mathematisches Modell zu entwickeln, das das Pflanzenwachstum als Reaktion auf Umweltbedingungen und die Verfügbarkeit von Bodennährstoffen beschreibt. Um dies zu erreichen, stützten wir uns auf ein Feldexperiment mit Kopfsalat-Pflanzen unter unterschiedlichen Umweltbedingungen. Durch die Verwendung von Wachstumsmodellen wie logistischem, Gompertz-, Aikman & Scaife- und Scaife, Cox & Morris-Modellen bewerteten wir den Einfluss von Zeit, Tagestemperaturen und effektiven Tagestemperaturen über unterschiedliche Pflanzendichten und während verschiedener Zeiträume im Jahr. Im Allgemeinen ergab die Beschreibung des Pflanzenwachstums in Bezug auf Tagestemperaturen oder effektive Tagestemperaturen eine verbesserte Modellanpassung und genauere Schätzungen der Wachstumsparameter. Infolgedessen beschrieben wir das Wachstum der Pflanzenlänge in Bezug auf effektive Tagestemperaturen anstelle von Zeit in den Gleichungen des Bessonov-Volpert-Systems. Außerdem modifizierten wir die Gleichung, die das Wachstum der Pflanzenlänge beschreibt, unter Verwendung zuvor angepasster Funktionen. Durch die Integration dieser Anpassungen charakterisierten wir das eindimensionale Wachstum des Pflanzengewichts unter unterschiedlichen Umweltbedingungen ohne Verzweigungen mithilfe des Bessonov-Volpert-Modells. Diese Studie trägt wertvolle Einblicke in Techniken der Erntemodellierung bei und verfeinert unser Verständnis zur Optimierung des Pflanzenwachstums unter verschiedenen Umweltbedingungen.