| Forside | | Indhold | | Forrige | | Næste |

Forbedret mulighed for reduktion af fungicidforbruget i kartofler

3 Projektets resultater

• 3.1 Udvikling af skimmelepidemi 2005 og 2006 på Flakkebjerg
• 3.2 Produktion af sporangier over tid
  • 3.2.1 Produktion og levedygtighed af sporangier i løbet af sæsonen
  • 3.2.2 Produktion og levedygtighed af sporangier i forskellige bladniveauer
  • 3.2.3 Døgnvariation i sporeproduktion
• 3.3 Spredning af sporangier 2005
• 3.4 Spredning af sporangier, overlevelse og infektion i 2006
• 3.5 Overlevelse af sporangier og globalstråling
• 3.6 Infektion på fangplanter
• 3.7 Infektionstryk justeret for UV stråling
• 3.8 Simulering af epidemiforløb med LB2004
• 3.9 Analyse af time-data for sporespredning
  • 3.9.1 Deskriptive resultater
  • 3.9.2 Sporulering: Korrelationer mellem sporefangst og betingelser for sporulering
  • 3.9.3 Spredning af sporer: Korrelationer mellem sporefangst og forandring i betingelserne for sporespredning
• 3.10 Spredning af sporer ved regnplask
• 3.11 Forbedring af DMI-HIRLAM
  • 3.11.1 Forudsigelse af RH i numeriske vejrmodeller
  • 3.11.2 Forbedringer i beregning af relativ luftfugtighed
  • 3.11.3 Ændring af ruhedsparameter for temperatur og fugtighed
  • 3.11.4 Ændring i beregning af specifik fugtighed ved overfladen
  • 3.11.5 Ændring i beregning af turbulens
  • 3.11.6 Justering af klimaparametre
  • 3.11.7 Test-case
  • 3.11.8 Parallelkørsler
  • 3.11.9 Verificeringsresultater for RH2m for juli 2005
• 3.12 Nedskalering af DMI-HIRLAM prognoser til lokale prognoser
• 3.13 Validering af modeller og beslutningsstøtte i markforsøg

3.1 Udvikling af skimmelepidemi 2005 og 2006 på Flakkebjerg

Sommeren 2005 var regnfuld, og vækstsæsonen er karakteriseret ved megen nedbør og køligt vejr i starten af juni samt en relativt tør og varm første halvdel af juli måned. Herefter indtrådte en meget nedbørsrig periode fra tredje uge af juli. Vækstsæsonen 2006 er karakteriseret ved en relativ kølig og tør anden halvdel af juni måned. Juli måned var ekstrem tør og varm som i resten af landet. I sidste uge af juli måned skete der et markant vejromskift til mere fugtigt og køligt vejr. Dette vejr startede alvorlig udvikling af skimmel ved Flakkebjerg.

Vejrforhold ved Flakkebjerg og Danmark generelt 2005-2006 er nærmere beskrevet i Appendiks A.

I 2005 blev der blev smittet med sporangier af kartoffelskimmel den 22. juni i sorten Bintje, og der udviklede sig et kraftigt angreb allerede i begyndelsen af juli. De øvrige sorter blev angrebet senere, og den mest resistente sort, Kuras fik først angreb i august (figur 13). Den første epidemiske udvikling i forsøgene skete i midten af juli i Bintje (i relation til første infektionstop, figur 13), hvor megen fugt fra nedbør og varmt vejr gav gode muligheder for både sporulering og infektion (højt infektionstryk).

Figur 13. Udvikling af kartoffelskimmel i 2005 i sortsblandingen af – fra venstre mod højre: Bintje, Saturna, Oleva og Kuras sammenholdt med infektionstryk. Kunstig smitte 22/6 2005. Ved et højt infektionstryk er der en relativ høj risiko for dannelse af smitstof. Infektionstrykket er lavt fra 1 til 25, middel fra 25-50 og højt, når det er højere end 50. Infektionstryk er beskrevet i afsnit 2.8.

I 2006 blev der smittet med kartoffelskimmel i Bintje første gang den 28. juni. Allerede efter 5 dage (3/7) kunne de første små infektioner ses i forsøgsfeltet, men på grund af tørre vejrforhold udviklede angrebet sig ikke (figur 14). Derfor blev der smittet igen den 5. juli og 11. juli. Der kunne hver dag konstateres svagt sporulerende læsioner på enkelte blade, men først fra 27. juli, hvor den første regn kom, udviklede angrebet sig meget kraftigt (figur 14). Fra 28. juli til 8. august udviklede angrebet sig i feltet sig fra ca. 2% angrebet bladareal til 72% angrebet bladareal, og den 16. august var alle planter ødelagt af skimmel. I det nærliggende felt med Oleva blev de første svage angreb konstateret den 1. august, og i sidste halvdel af august udviklede angrebet sig her epidemisk (figur 14).

Figur 14. Udvikling af kartoffelskimmel i 2006 i kartoffelsorterne Bintje og Oleva sammenholdt med infektionstryk (Infektionstryk er beskrevet i afsnit 2.8). Kunstig smitte i Bintje 28/6 og 5/7, i Oleva d. 11/7 2006.

Som det fremgår af figur 13 og 14 starter epidemierne forskudt for hinanden. Det skyldes dels, at sorterne har forskellig modningshastighed (vækstperiodens længde) og dels forskellig grad af resistens overfor kartoffelskimmel.

3.2 Produktion af sporangier over tid

Der blev indsamlet blade med læsioner af kartoffelskimmel hver morgen og mængden af sporangier i læsionerne (produceret i nat og morgentimerne) blev bestemt i laboratorium, som beskrevet i afsnit 2.2-2.3.

3.2.1 Produktion og levedygtighed af sporangier i løbet af sæsonen

I 2005 var der en stor sporeproduktion i sorten Bintje i starten af juli (figur 15a) sammenfaldende med kraftig epidemisk udvikling af kartoffelskimmel i sorten (figur 15c). Produktionen i de andre sorter var ikke så markant, men der kunne ses sporeproduktion hele sæsonen med faldende tendens sidst i sæsonen (figur 15a). Det bemærkes, at datasættet ikke er sammenhængende på grund af manglende observationer i weekender, hvilket forklarer de afbrudte kurver i figur 15. I juli, hvor den største epidemiudvikling fandt sted, var sporangierne generelt i stand til at inficere Bintjeplanterne, men med betydeligt udsving omkring den 14.-20. juli (figur 15b). Effektiviteten af infektion var relativt størst for alle sorter ca. 18.-20. juli. Den største effektivitet (40-60%) blev målt for sporangier indsamlet på henholdsvis Oleva og Kuras (figur 15b). Fra der sker en infektion til visuelle symptomer, går der ca. 5 dage. Det er således sandsynligt, at infektionsdygtige sporangier fra 18.-20. juli (figur 15b) bevirkede mange infektioner i den periode og startede den kraftige sygdomsudvikling, som blev synlig ca. 5 dage senere fra ca. den 25. juli og frem (figur 15c).

Figur 15. Produktion af sporangier 2005. a) Antal sporangier pr. arealenhed læsion i Bintje, Saturna, Oleva og Kuras. Gennemsnit af 5 blade pr. sort fra bunden af afgrøden, b) Infektionsevne (IE) af sporangier fra læsioner af kartoffelskimmel i Bintje, Saturna, Oleva og Kuras. Blade udtaget hver morgen ca. kl. 8, hvor der stadig var høj luftfugtighed og c) Gennemsnit af antal levedygtige sporangier pr. cm² bladareal over sæsonen fra Bintje, Saturna, Oleva og Kuras. Farve legend angivet i figur a er også gældende for figur b og c.

I 2006 var det vanskeligt at få etableret et angreb på grund af det varme vejr i juli (jævnfør afsnit 3.1 samt figur 14), og der blev smittet 28. juni, 5. og 11. juli i forsøgsfelterne. I sorten Bintje var der færre infektionsdygtige sporangier i den første tredjedel af juli end senere på sæsonen (figur 16a). Enkelte læsioner udvikles på de smittede planter, men først fra sidste uge af juli udvikler skimmelen sig i forsøgsfeltet (figur 14 og 16c). Til gengæld ødelagde skimmelen feltet med Bintje totalt på ca. 14 dage, hvor det tilsvarende tog en måned i 2005 (figur 13 og 15c).

Figur 16. Produktion af sporangier, Bintje 2006 a) Antal sporangier/cm² i læsioner gennem sæsonen, b) Infektionsevne og c) Antallet af infektionsdygtige sporangier, beregnet som antal sporangier (a) ganget med infektionsevnen (b) divideret med 100.

I sorten Oleva, 2006, starter epidemien i første uge af august (figur 14 og figur 17). Infektionsevnen af sporangier indsamlet fra læsionerne er størst (40%) den 7. og den 17. august (figur 17b), og der er mange infektionsdygtige sporangier den 7., 11., 13. og 17. august (figur 17c). Efter beregning af HSPO (jf. afsnit 2.8) med Metos vejrdata er der i perioden 1.-24. august risiko for sporulering i 16 ud af 24 dage. Fra 6.-9. august er der 4 dage uden risiko for sporulering (tabel D1, Appendiks D). Måske derfor er der næsten ingen infektionsdygtige sporangier den 8. august (figur 17).

Figur 17. Produktion af sporangier, Oleva, 2006. a) Antal sporangier/cm² i læsioner gennem sæsonen, b) Infektionsevne og c) Antallet af infektionsdygtige sporangier, beregnet som antal sporangier (a) ganget med infektionsevnen (b) divideret med 100.

Sammenhæng mellem forskellige vejrvariable (RH, temperatur mv.) og sporeproduktion er analyseret og diskuteret i afsnit 3.8-3.9.

3.2.2 Produktion og levedygtighed af sporangier i forskellige bladniveauer

I 2005 blev det undersøgt, om der var forskel i produktion og infektionsevne af sporangier produceret i toppen og bunden af kartoffelafgrøden. Undersøgelserne blev udført i Bintje i begyndelsen af juli 2005 ved starten af skimmelepidemien. Der blev allerede ved de første små symptomer konstateret sporangier i læsionerne og en stor produktion over nogle dage omkring 7. juli (figur 18) sammenfaldende med regnfuldt vejr med lave vindhastigheder den 5. og 6. juli (figur 19). Det var forventet, at der var en større produktion nede i afgrøden, men der kunne ikke konstateres signifikant forskel i antal infektionsdygtige sporangier på bladet udtaget i top og bund af afgrøden (figur 18).

Figur 18. Antal infektionsdygtige sporangier pr. arealenhed af læsion i sorten Bintje. Gennemsnit af 5 blade fra henholdsvis top og bund af afgrøden. Der er ingen signifikant forskel mellem top og bund.

Figur 19. Vejrdata fra Flakkebjerg den 1.-8. Juli, 2005. Øverst: Temperatur (rød kurve nederst), nedbør (søjler) og RH (blå kurve øverst). Nederst: Vindhastighed (rød, fed kurve) og globalstråling (grøn, tynd linie).

Der er risiko for sporangiedannelse HSPO den 5., 6. og 7. juli, fordi der er lange perioder med høj luftfugtighed og samtidig temperaturer over 10°C.

Der kunne heller ikke konstateres signifikante forskelle i infektionsevnen af sporangier indsamlet fra henholdsvis top og bund af afgrøden. Generelt inficerede op til 6% af sporangierne med en enkelt top (14% infektionsevne) den 6/7 (data ikke vist). Der var en signifikant effekt af datoens indflydelse på antallet af sporangier, men ingen vekselvirkning mellem dato og bladniveau (top/bund).

Da der ikke kunne konstateres signifikante forskelle i sporeproduktion mellem de forskellige bladniveauer, blev der i projektets andet forsøgsår 2006 kun analyseret for sporeproduktion i et bladniveau (nederste).

3.2.3 Døgnvariation i sporeproduktion

Undersøgelser vedrørende døgnvariation i sporeproduktion blev udført 2005 på to udvalgte døgn, 28.-29. juli i sorten Saturna og 11.-12. august i sorten Kuras. Der blev udtaget blade til analyse hver 4. time. Resultaterne fremgår af figur 20.

Figur 20. Døgnvariation i sporeproduktion, målt hver 4. time i sorten Saturna den 28.-29. juli (a) og i Kuras den 11.-12. august (d). Døgnvariation i infektionsevne, målt hver 4. time i sorten Saturna den 28.-29. juli (b) og i Kuras den 11.-12. august (e). Døgnvariation i antal infektionsdygtige sporangier fra henholdsvis top og bund af Saturna den 26.-27. juli (c) og i Kuras den 11.-12. august (f).

Den største mængde af sporangier blev registreret i Saturna om aftenen og natten (figur 20). Nattemperaturen mellem den 28. og 29. juli var ikke under 14,6°C. Dette er optimum for sporangiedannelse. Den 29. juli var en typisk sommerdag med maksimum temperatur på ca. 24°C og minimum RH på ca. 60% midt på dagen og 96% om natten. Dette er gode betingelser for frigørelse af sporangier. Dermed kan faldet i mængden af sporangier i læsionerne forklares. Perioden 11.-12. august var overskyet med minimum RH på ca. 75% den 12. august. Natten mellem den 11. og 12. august var meget ufavorabel for sporangiedannelse, fordi RH ikke kom over 80% (figur 21). Under sådanne forhold forventes en meget langsom sporangiedannelse.

Variationen over døgnet med hensyn til infektionsevne (figur 20b og 20e) og i det faktiske antal infektionsdygtige sporangier i de to bladniveauer (figur 20c og 20f) viser, at infektionsevnen og det faktiske antal infektionsdygtige er lavest mellem kl. ca. 12 og 20. Det er uvist, om sporangierne mister deres infektionsevne midlertidigt under udtørring i løbet af dagen, eller om de faktisk mister den, og at stigningen om natten er betinget af nydannede sporangier.

Figur 21. Vejrdata fra Flakkebjerg den 9.-16. august, 2005. Øverst: Temperatur (rød kurve nederst), nedbør (søjler) og RH (Blå kurve øverst). Nederst: Vindhastighed (rød, fed kurve) og globalstråling (grøn, tynd kurve).

3.3 Spredning af sporangier 2005

I 2005, fra den 29. juni til den 20. august, blev der registreret sporangier hver dag undtagen den 12. 19. og 20. august i feltet med 4 kartoffelsorter (figur 22). Indtil ca. den 20. juli var det læsioner fra Bintje planterne, som bidrog til sporangiefangsterne. Fra den 21. juli til den 10. august var der en voldsom skimmeludvikling i Saturna og Oleva – i mindre grad i Kuras (figur 22). I denne periode var der tre markante maksima i sporangiefangsterne, den 26. juli, 29. juli og den 4. august. Efter den 4. august var sporangieproduktionen aftagende, fordi kun Kuras og i mindre grad Oleva havde aktive læsioner. Afgrøden var også blevet åben på grund af de døde rækker med Bintje og Saturna. Dette skabte et luftigt og mindre gunstigt mikroklima for sporangiedannelse.

Figur 22. Sygdomsudvikling i sortsblanding af Bintje, Saturna, Oleva og Kuras i felt, hvor sorterne er blandet. Antallet af sporangier pr. m³ pr. dag fanget i sporefælde opsat i sortsblandingen. 2005.

En Burkard fælde blev opsat i Oleva i ren bestand den 5. august. Sygdomsudviklingen i dette felt var lidt senere end i Oleva i sortsblandingen (figur 22 og figur 23). Der var markante sporangiefangster den 6. og den 9. august (figur 23 og figur 24).

Figur 23. Sygdomsudvikling i Oleva renbestand, 2005 samt antallet af sporangier pr. m³ pr. dag fanget i Burkard sporefælde opsat i feltet.

Betragtes timedata viser resultaterne, at der blev fanget mange sporangier i morgen og formiddagstimerne efter nætter, hvor der havde været længerevarende fugtige perioder. Efter en stor sporangieproduktion blev der fanget en betydelig mængde sporangier de efterfølgende dage, f.eks. sporangier fanget den 7. og 8. august (figur 24). Efter flere dage med ugunstigt vejr for sporangiedannelse (10.-13. august) blev der stadig fanget en mindre mængde sporangier i fælden. Et væsentligt spørgsmål er, om disse sporangier er infektionsdygtige. Dette blev ikke undersøgt i 2005, men spørgsmålet diskuteres med data fra 2006 (se afsnit 3.4).

Den 9. august ses to toppe kort tid efter hinanden. For at forstå hvilke mekanismer, som betinger dette spredningsmønster kan man zoome ind på netop denne dag (figur 25).

Den 9. august var der var 5 timer med (ikke fuld) overfladefugt om natten (figur 25). Der blev registreret 10 timer med risiko for sporangiedannelse, jfr. figur 24 (kun RH og temperatur indgår i denne beregning). En stor mængde sporangier blev frigivet over 2 omgange afbrudt af 0,1 mm nedbør. Sporangierne skal lande i frit vand for at kunne frigive sine sværmesporer (zoosporer, jf. afsnit 1.2), som derefter svømmer og spirer på bladet. Fordi nye sporangier spredes kort tid efter eller lige før regn, ville der være en stor chance for infektion allerede ved middagstid denne dag. Sporangier blev frigivet over flere timer aftagende fra maksimumfangst kl. 13.00 ved RH på 60-70%.

Analyserne af data (afsnit 3.8) inklusive eksemplerne i figur 24 og 25 tyder på, at det måske netop er de dage, hvor der er rigtig meget bladfugt, at der sker infektioner om morgenen, hvor der er overlap mellem frigivelse af sporangier og stadig dug på planterne.

Figur 24. Sporangiefangster /m³/time i Oleva felt, 2005 sammenholdt med luftfugtigheden, Rh (Rød kurve). Reference-linien på 88% er angivet som grænsen for timer, som medregnes til beregning af risiko for sporulering (HSPO risikotimer). Antallet af risikotimer for sporulering er angivet over figuren for de enkelte dage.

Figur 25. Sporangiefangster /m³/time den 9. august i Oleva felt, 2005 sammenholdt med luftfugtigheden (Rh) og bladfugt, jf. figur 24. Fra kl. 10-11 faldt der 0,1 mm regn. Der var 10 HSPO risikotimer natten mellem den 8. og 9. august. Grønne søjler er sporangiefangster. Blå kvadrater er bladfugt (0-60 minutter/time), og rød linie er relativ luftfugtighed pr. time. Kl. ca. 10.00 faldt der 0,1 mm regn.

3.4 Spredning af sporangier, overlevelse og infektion i 2006

I 2006 blev der indsamlet sporangier med Burkard sporefælde i Bintje og Oleva i perioden 14. juni til 29. august 2006, og der blev udsat fangplanter hver dag i begge sorter i perioden 27. juni til 20. august (se afsnit 2.6). De første læsioner blev registreret i Bintje den 3. juli og tilsvarende i Oleva den 1. august. Den epidemiske udvikling startede i Bintje i sidste uge af juli og tilsvarende i Oleva ca. 10 dage senere (figur 26). Der blev kunstigt smittet både i juni og igen både 5. og 11. juli, men dette var altså ikke tilstrækkeligt til at starte en epidemi. Første angreb på fangplanter udsat i Bintje blev observeret den 25. juli og i Oleva den 1. august (figur 27).

Figur 26. Infektionstryk, blå kurve (forklares i tekst), epidemisk udvikling af kartoffelskimmel i Bintje og Oleva (% skimmel) og fangst af luftbårne sporangier /m³/time i Bintje (bordeauxrøde søjler) og Oleva (røde søjler), 2006. Infektionstryk er beregnet med vejrdata fra GRID 1585 (Flakkebjerg).

Figur 27. Infektionstryk og angreb på fangplanter (% skimmel). a) Bintje-planter sat ud dagen før kl. 15 og hjemtaget kl. 15 på dagen. b) Bintje-planter sat ud samme dags morgen kl. 8 og hjemtaget kl. 15 på dagen. Planterne blev duschet med vand i marken inden inkubation. c) Oleva-planter sat ud dagen før kl. 15 og hjemtaget kl. 15 på dagen og d) Oleva-planter sat ud samme dags morgen kl. 8 og hjemtaget kl. 15 på dagen. Planterne blev duschet med vand i marken (jævnfør afsnit 2.6). 2006. Infektionstryk er beregnet med vejr data fra GRID 1585 (Flakkebjerg).

I figur 26 er vist sporangiefangster (Burkard sporefælden) sammenholdt med infektionstryk beregnet med HSPO glidende sum (5 dage) og med anvendelse af GRID data og RH tærskel 88% (jf. afsnit 2.8). Det var varmt og tørt det meste af juli måned (jævnfør afsnit 3.1). Infektionstrykket var lavt, der blev ikke fanget sporangier, og der skete ingen infektion på fangplanter overhovedet (figur 27). I slutningen af juli skiftede vejret markant til mere fugtigt, men stadig varmt (figur A2, Appendiks A). Den 23. og 24. juli og igen den 28., 29. og 30. juli var der risiko for sporangiedannelse. Den daglige risiko for sporangiedannelse er angivet i Appendiks D. I figur 26 og 27 er risikoen vist som en glidende sum på i alt 5 dage (daglige tal for HSPO for dags dato, to dage tilbage og to dage frem). Det stigende infektionstryk i sidste uge af juli er sammenfaldende med, at der for første gang fanges en større mængde sporangier i Bintje (62 sporangier den 24. juli, kan ikke ses i figur 26, da akseinddelingen er 2000 sporangier/m³). Der fanges mange sporangier i Bintje den 29. og 30. juli og den 3.-5. august. Der fanges mange sporangier i Oleva den 10.-11. august og igen den 17.-20. august.

Fra den 29. juli skete der infektioner på Bintje fangplanterne udsat fra 15-15 næsten hver dag – undtagen den 8.-9. august (figur 27a). Der var generelt færre dage og lavere infektion på fangplanterne udsat fra 8-15 (figur 27b). For Oleva fangplanterne skete de første angreb lidt senere end i Bintje feltet. Der var angreb på fangplanterne hver dag undtagen den 8. august (figur 27c), men der var stor variation i angrebsgraden, og der var generelt mindre angreb på planterne udsat kl. 8-15 (figur 27d).

3.5 Overlevelse af sporangier og globalstråling

Overlevelsen af sporangier, som kommer op i luften, er meget følsom overfor UV stråling og udtørring (Mizibuti et al., 2000). På basis af data for global stråling kan man beregne den daglige overlevelsesrate fra den 14. juni til den 12. september (figur 28), jf. metodeafsnit 2.9. Hvis overlevelsesraten f.eks. er 0,5 betyder det, at kun halvt så mange (50%) af de eksponerede sporangier kan spire sammenlignet med tilsvarende mængde sporangier, som ikke har været eksponeret for sollys.

Figur 28. Sammenhængen mellem globalstråling og overlevelsesraten er bestemt af formlen: Y = 0,79 exp-1.21*stråling, hvor stråling er globalstråling i MJ/m² mellem kl. 11 og 12. Der er brugt data fra Flakkebjerg, DMI klimastation 2006, 14. juni til 12. september.

For den undersøgte periode varierede globalstrålingen mellem 3 og ca. 0,2 MJ/m² (figur 28). Gennemsnit for perioden er 1,9 MJ/m². Den gennemsnitlige overlevelsesrate var 11,6%, (variation fra 2-65%). Hvis temperaturen kl. 11 om formiddagen (kl. 12 dansk sommertid) var større end 22°C, var overlevelsesraten under 10%. I temperaturintervallet 14-22°C var overlevelsesraten ikke korreleret med temperaturen. Hvis luftfugtigheden var lavere end 60-70% kl. 11, var overlevelsesraten af de sporangier, som bliver spredt op i luften, mindre end 10%. Fra 70 til 100% luftfugtighed synes overlevelsesraten at være positivt korreleret med luftfugtigheden. Jo højere luftfugtighed, jo højere overlevelse. Med basis i denne metode kan man konkludere, at sporangier, som frigøres og bliver luftbårne, har meget ringe chance for at overleve, hvis temperaturen ved middagstid er større end 22°C, og/eller hvis luftfugtigheden på samme tid er lavere end 60-70%.

Man kan summere strålingsdata for den ene time eller over 3 timer, som anvist af Mizubuti et al. (2000) (Model 1 og 2 i metodeafsnit 2.9). Resultater for overlevelsesparametre af begge modeller er vist i Appendiks D. I det efterfølgende anvendes model 1.

I juli måned var overlevelsesraten generelt meget lav (figur 29). Der er fire perioder med relativt høj overlevelsesrate, den 24. juli, 28.-29. juli, 2. august og 11.-15. august. Sammenholdes overlevelsesraten med sporangiefangster ved Flakkebjerg i 2006 (figur 29) ses, at der er stor chance for overlevelse på dage med få sporangiefangster og stor risiko for ikke at overleve på dage med stor sporangiefangst.

Figur 29. Sporangiefangster (søjler) sammenholdt med beregnet overlevelsesrate (kurve) for sporefangster i henholdsvis Bintje (øverste figur) og i Oleva (nederste figur). Se tekst til afsnit 2.9 for forklaring til beregnet overlevelsesrate. Flakkebjerg, 2006.

I forbindelse med perioder for høj overlevelsesrate - den 24. juli, 28.-29. juli, 2. august og 11.-15. august - blev der registreret en relativ stor infektionsevne af sporangier i læsionerne og samtidig en øget mængde sporangier i læsionerne over de efterfølgende 2-3 dage.

3.6 Infektion på fangplanter

Sammenholdes peaks i overlevelsesrate og angreb på fangplanter ses også ofte markante angreb på dagen eller de efterfølgende dage. På dage med meget lav overlevelsesrate i juli måned skete der ikke en eneste dag infektion på fangplanterne vel vidende, at der var aktive læsioner i feltet (se senere). Det er væsentligt at vide, hvornår der er risiko for infektion, men måske endnu mere interessant, at kunne udpege perioder, hvor der ingen risiko er for infektion!

Hvis der er meget dugdannelse om natten, kan der ske infektioner om morgenen på fangplanterne, som har stået i feltet fra kl. 15 dagen før, da disse planter er våde fra naturlig dugdannelse, når sporangierne spredes. Fangplanterne udsat kl. 8 om morgenen er tørre, og i mange situationer skal sporangierne overleve op til 7 timer, inden de bliver udsat for frit vand, når de dusches inden hjemtagning og inkubation.

I Appendiks I er der vist figurer dag for dag for at anskueliggøre disse sammenhænge. Figurerne er lavet nøjagtigt, som beskrevet for figur 30. Nedenfor diskuteres eksempler fra enkelte dage samt en sammenfatning af resultaterne i Appendiks I.

Forholdene den 27.-30. juli 2006 startede sandsynligvis epidemien i Bintje feltet (figur 30). Der faldt 7-8 mm nedbør om aftenen den 23. juli, og det regnede lidt det meste af formiddagen den 28. juli. Det bevirkede en lang periode med RH>88%. HSPO med GRID data blev målt til 14 og HSPO med data fra METOS til 15 timer. Der blev totalt set den 28. juli fanget 78 sporangier i fælden, men ingen gav anledning til infektion på fangplanterne (figur 30). Natten 28./29. juli var igen favorabel for sporangiedannelse. Til forskel fra dagen før gav et brat fald i luftfugtigheden anledning til frigørelse af en stor mængde sporangier. En del af disse inficerede 15-15 planterne, men fordi 8-15 planterne var udsat tørre, skete der ingen infektion på dem på dette tidspunkt og heller ikke ved oversprøjtning med vand ved hjemtagning (figur 31). Den efterfølgende morgen er overlappet mellem bladfugt fra nattens dug og sporangiefrigørelse meget tydelig. Der skete også en høj grad af infektion på 15-15 fangplanterne (figur 32).

Den 2.-4. august blev der fanget mange sporangier i Oleva-feltet, og her skete også infektioner på 8-15 fangplanter (figur 33-34). Det skyldtes dels, at sporangiefrigørelsen fortsatte til langt hen på eftermiddagen (3. august), og dels fordi sporangiefrigørelsen den 4. august var kombineret med efterfølgende regn kl. 12-14. Perioden den 2.-3. august er et eksempel på, at der blev beregnet risiko for sporangiedannelse med anvendelse af data fra Metos, men ikke med arealinterpolerede GRID data.

Betragtes perioden fra start af sporangiefangst i Bintje og ca. 20 dage frem (21. juli til 9. august) og tilsvarende i Oleva (30. juli til 20. august) kan man uddrage nogle generelle betragtninger (figurer vist i Appendiks I).

• Der er generelt overensstemmelse mellem beregning af sporulering og angreb på fangplanterne. Infektionerne sker dagen efter en nat med risiko for sporangiedannelse f.eks. 29.-30. juli i Bintje (figur 32) og 9.-11. august i Oleva (figur I4, Appendiks I). Der er også dage, hvor der er risiko for sporangiedannelse uden angreb, enten fordi læsionerne endnu er helt unge og kun producerer en mindre mængde sporangier, f.eks. 23.-24. juli (figur I1. Appendiks I), eller fordi sporangierne ikke frigøres om morgenen på grund af regn eller overskyet vejr. Sporangierne bliver sandsynligvis siddende i læsionerne, og de frigøres først næste gang, forholdene er gunstige for frigivelse (brat fald i luftfugtigheden), f.eks. 27.-29. juli.
• For Bintje kom der i 4 ud af 20 dage angreb på 15-15 planterne men ikke på 8-15 planterne. Dette er sandsynligvis dage, hvor infektionen er sket om morgenen på 15-15 planterne ved overlap mellem tilbageværende dug og sporangiefrigørelse. De frigjorte sporangier har ikke kunnet overleve indtil en mulig infektion kl. 15 om eftermiddagen, hvor 8-15 planterne er blevet duschet lige inden inkubation. Se f.eks. 29. juli til 1. august i Bintje og 3. august, 6. august og 17. august i Oleva (Appendiks I).
• Der er dage, hvor der kommer angreb på fangplanterne uden, at der er beregnet risiko for sporangiedannelse, og uden at der registreres sporangier i fælden, f.eks. 1. august.
• I Appendiks I er risiko for sporulering blev beregnet med GRID data og Metos vejrstation for hver dag. I begge tilfælde med RH tærskel på 88%. Begge metoder ”alarmerer om skimmelvejr” korrekt, før epidemierne starter, 23.-24. juli og 28.-30. juli. Kun Metos beregner risiko, som kan relateres til en voldsom øget fangst af sporangier fra den 1. til 4. august.

Figur 30. 27. Juli 16:00 til 28. Juli 16:00
HSPO (GRID)=14. HSPO (Metos)=15. figurforklaring, se under figur 32.

Figur 31. 28. Juli 16:00 til 29. Juli 16:00
HSPO (GRID)=13. HSPO (Metos)=12. figurforklaring, se under figur 32.

Figur 32. 29. Juli 16:00 til 30. Juli 16:00, Bintje HSPO (GRID)=11. HSPO (Metos)=12.

Eksempel på anvendelse af 15-15 og 8-15 fangplanter. X-akse: tiden i timer (her 29. juli kl. 16:00 til 30. juli 16:00). Oven over figuren indikerer to linier, hvornår henholdsvis 15-15 fangplanterne og 8-15 fangplanterne har været eksponeret i relation til de meteorologiske forhold og sporangiefangster, som vises i figuren. Efter linierne for eksponering er angivet procent infektion på fangplanterne efter inkubation i vækstrum. Graden af infektion kan nu sammenholdes med timeværdier for RH [%] (rød linie), Bladfugt [min/time] (blå kvadrater), nedbør [mm/time] (grå søjler) og sporangiefangster [antal sporangier/m³/time] (grønne søjler) over det seneste døgn. (Metoden vedrørende fangplanter er beskrevet i afsnit 2.6).

Figur 33. 2. August 16:00 til 3. August 16:00. HSPO (GRID)=0. HSPO (METOS)=10.
Se under figur 32.

Figur 34. 3. August 16:00 til 4. August 16:00. HSPO (GRID)=0. HSPO (METOS)=10.
Se under figur 32.

3.7 Infektionstryk justeret for UV stråling

Hvis man multiplicerer de daglige sporangiefangster med overlevelsesraten, giver dette et groft mål for antal levedygtige sporangier, som måske kan overleve mere end nogle få timer, og som derfor stadig er levedygtige, når 8-15 planter dusches og hjemtages (jævnfør metodeafsnit 2.9). Der er en god sammenhæng mellem denne parameter og infektion på fangplanter 8-15 for både Bintje og Oleva. Sammenhængen er vist for Oleva i figur 35-36. Den høje overlevelsesrate den 28. juli giver ingen infektioner på Bintje fangplanterne, men det skyldes udbredt regn det meste af dagen. Dermed sker der ingen sporangiespredning op i luften (figur 29). Der er risiko for spredning med regnplask til naboplanter, men fangplanterne er omkranset af planter af den meget resistente sort Sarpo Mira.

Overlevelsesrate * sporangier ser ud til at være en god indikator for risikoen for infektioner. Overlevelsesraten kan beregnes alene med data for globalstråling (inklusive vejrprognose for globalstråling), men data for sporangiefangster er ikke tilgængelige for operationel beslutningsstøtte. Derfor kan man overveje, om man kan bruge HSPO som mål for sporangiedannelsen i stedet for. HSPO kan beregnes operationelt inklusive som prognose 2-5 dage ud i fremtiden. Infektionstryk og overlevelsesrate er beregnet som en glidende sum over tre dage, multipliceret og sammenholdt med infektion på fangplanterne (figur 37). Resultaterne viser, at der er lokale peaks på samme tidspunkt, som ved inddragelse af de faktiske sporangietal, men peak den 2.-3. august er betydeligt lavere, hvis infektionstrykket anvendes (figur 37).

Til beregning af HSPO er anvendt data fra Flakkebjerg klimastationen, og resultaterne er stort set identisk med arealbaseret interpolation, Grid data for Flakkebjerg. Hvis man derimod anvender data fra Metos og inddrager bladfugt og nedbør sammen med RH som fugtighedsvariable opnås risiko for infektion netop 2., 3. og 4. august – de tre dage, hvor HSPO er nul ved anvendelse af data fra DMI og kun RH. Simulering med LB2004 (beskrevet i afsnit 2.15) viser også risiko for sporangiedannelse 2.-4. august, hvilket samlet set indikerer, at anvendelse af RH alene ikke altid opfanger skimmelfavorable perioder.

Figur 35. Oleva, 2006. 15-15 planter. (a): Overlevelsesrate sammenholdt med angreb på fanglanter (% skimmel) udsat dagen før og hjemtaget kl. 15 på dagen i Oleva. (b): kvadratroden til antallet af sporangier fanget med Burkardfælde sammenholdt med angreb på fangplanter (% skimmel) udsat dagen før og hjemtaget kl. 15 på dagen i Oleva feltet. (c) Overlevelsesrate * sporangier sammenholdt med angreb på fangplanter (% skimmel) udsat dagen før og hjemtaget kl. 15 på dagen i Oleva. Fangplanter er beskrevet i afsnit 2.6. Overlevelsesrater er beskrevet i afsnit 2.9.

Figur 36. Oleva, 8-15 planter. (a): Overlevelsesrate sammenholdt med angreb på fangplanter (% skimmel) udsat kl. 8 samme morgen og hjemtaget kl. 15 på dagen i Oleva. (b): kvadratroden til antallet af sporangier fanget med Burkardfælde sammenholdt med angreb på fangplanter (% skimmel) udsat kl. 8 om morgenen og hjemtaget kl. 15 på dagen i Oleva feltet. (c) Overlevelsesrate * sporangier sammenholdt med angreb på fangplanter (% skimmel) udsat kl. 8 om morgenen og hjemtaget kl. 15 på dagen i Oleva. Fangplanter er beskrevet i afsnit 2.6. Overlevelsesrater er beskrevet i afsnit 2.9.

Figur 37. Infektionstryk (HSPO) * Overlevelsesrate sammenholdt med angreb på fangplanter (% skimmel) udsat dagen før og hjemtaget kl. 15 på dagen i Oleva og på planter udsat samme dag kl. 8 og hjemtaget kl. 15 samme dag i Oleva. Planterne udsat 8-15 blev duschet med vand i marken lige inden inkubation. 2006 (se metodeafsnit 2.6).

3.8 Simulering af epidemiforløb med LB2004

Simuleringsmodellen LB2004 er omtalt i afsnit 2.15, og modellen kan anvendes på danske data. Med de samme parametre for latensperiode, læsionshastighed, sporuleringsrate og infektionseffektivitet kan modellen simulere epidemiforløbet i Bintje i både 2005 (ikke vist) og i 2006 (figur 38).

Figur 38. Simuleret og observeret epidemiforløb i Bintje ved Forskningscenter Flakkebjerg i 2006. Som vejrdata er anvendt timedata fra DMI stationen ved Flakkebjerg. Simuleringsmodellen LB2004 er omtalt i afsnit 2.15.

I perioden den 2.-5. august skete der betydelige infektioner på fangplanter, uden at der var en beregnet risiko baseret på HSPO (figur I2-I3, Appendiks I). Beregninger med LB2004 kan sammenlignes med HSPO for at sandsynliggøre, om der faktisk har været en vejrbetinget risiko for sporangieproduktion, spredning og infektion i den periode.

Der er i markante sporuleringsperioder i august god overensstemmelse mellem LB2004 og beregning af HSPO med anvendelse af både grid data og Metos inklusive bladfugt. Dog giver beregning med HSPO grid data ingen risiko i netop perioden 2.-5. august. Dette indikerer, at beregning af skimmelvejr med HSPO og infektionstryk, som glidende sum, kan forbedres ved enten at sænke tærsklen for RH eller ved at inddrage bladfugt og nedbør som variabel for fugtighed.

Der er en god sammenhæng mellem HSPO beregninger med Metos vejrdata og LB2004 beregninger af sporangieproduktion (figur 40). Der er en god sammenhæng mellem LB2004 beregninger af antallet af nye infektioner og infektion på fangplanter (figur 41). Der sker infektion på Bintje fangplanter efter den 16. august uden, at LB2004 beregnede nogen nye infektioner. Det skyldes, at simuleret (og observeret) sygdomsniveau fra den 15. august var 100%. Derfor er det sandsynligt, at disse infektioner på fangplanterne skyldes sporangier, som er produceret fra andre forsøgsfelter ved Flakkebjerg. Netop i den nævnte periode var produktionen af sporangier i Oleva feltet maksimum.

Figur 39. Sammenligning mellem LB2004 modellens beregning af fugtighedens indflydelse på sporangiedannelse og beregning af HSPO med henholdsvis Grid data (øverst) og METOS data inklusive bladfugt (nederst). * LB2004 beregner risiko for sporulering den 2.-5. august. Risiko for sporulering beregnes også i den samme periode med HSPO og Metos inklusive bladfugt, men ikke med GRID data. LB2004 er beskrevet i afsnit 2.15.

Figur 40. Sammenligning af LB2004 beregning af faktor for sporangieproduktion og beregning af HSPO med Metos vejrdata inklusive bladfugt og nedbør som fugtighedsfaktor. LB2004 er beskrevet i afsnit 2.15.

Figur 41. Sammenligning af LB2004 simulering af antal nye infektioner (MicCol, Micro colonies) med infektion på fangplanter udsat dagen før kl. 15 og hjemtaget samme dag (øverst) og angreb på fangplanter udsat samme dag kl. 8 og hjemtaget samme dag kl. 15. LB2004 er beskrevet i afsnit 2.15.

3.9 Analyse af time-data for sporespredning

I det følgende bringes analyse af timevis tidsseriedata for sporespredning. Metoden er omtalt i afsnit 2.10.

3.9.1 Deskriptive resultater

I figur 42 er vist timeværdier for fangsten af sporer af Burkard sporefælden over tid i sorterne Bintje og Oleva i 2005 og 2006 og i en sortsblanding i 2005. Der er stor variation i sporefangst indenfor og i mellem dagene. Dog kan man tydeligt se en unimodal trend indenfor sæsonen. Det betyder, at der findes et maksimum i sporefangsttallene mellem dagene 190 og 255.

Trenden i sporefangst for de enkelte sorter og år er vist i figur 43. De er beregnede som udglatninger af den aktuelle sporefangst (se 2.10 for beregningsmetode) og indikerer den syge afgrødes sporuleringspotentiale, det vil sige dens evne til at kunne producere sporer. Trendene for sporefangst er nogenlunde unimodale, det vil sige de har et udpræget maksimum. De ligner faktisk de sigmoide kurver, der opnås, når udvikling i skimmelangreb over tid (y_t, hvor t = tid) bliver justeret for udvikling af dødt bladvæv (nekrotiseringsgraden), som antages at stige med angrebsniveauet som: y_t’ = y_t (1- y_t /100); dataene er ikke vist her. Eksempler på sigmoide forløbskurver er figur 14 og 15. Dette illustrerer, at betydningen af sygdomsangreb i afgrøden som inokulumkilde svinder, jo mere angrebsgraden og dermed nekrotiseringsgraden nærmer sig 100 procent. Dette kan forklares med et lavt sporuleringspotentiale af nekrotisk (dødt) bladareal.

Figur 42. Timevis sporefangst i Burkard sporefælden over tid. X aksen angiver dagen af året.

Figur 43.Trends tilpasset til gennemsnitlig daglig sporefangst i Burkard sporefælden over tid. X aksen angiver dagen af året.

Et eksempel på sammenhæng mellem sporefangst og status af vejrbetingelser for sporespredning er vist i figur 44, hvor der kan ses en negativ sammenhæng mellem forandring i relativ luftfugtighed i løbet af de 3 forudgående timer (x-aksen) og trend-justeret sporefangstrate (y-akse). Det betyder, at jo mere den relative luftfugtighed er faldet i de 3 forudgående timer, jo flere sporer spredes og fanges i sporefælden. Kurverne i figur 44 er udglattede og beregnet ved hjælp af lokalt vægtet regressionsmetode beskrevet af Cleveland (1979). Kurverne repræsenterer udglatninger til at anskueliggøre trends og skal ikke anses som regressionsmodeller til estimering.

Figur 44. Sammenhæng mellem sporefangstrate justeret for sæsonal trend i afgrødens sporuleringspotentiale (dy’/dt, se 2.10 for beregningsmetode) og forudgående forandring i relativ luftfugtighed. Bemærk: kurverne er ikke baseret på eksplicitte modeller men viser blot trends beregnet via ”locally weighted regression” (Cleveland 1979); deres ikke-linearitet er ikke nødvendigvis signifikant.

3.9.2 Sporulering: Korrelationer mellem sporefangst og betingelser for sporulering

Resultater af lag-korrelationer fremgår af figur 45, hvor der er undersøgt for sammenhæng mellem stigning (= positiv forandring over tid) i sporespredning (trend-justeret) i de sidste 3 timers forløb og vejrvariabler, der påvirker sporuleringsbetingelserne i forudgående perioder (gennemsnit over periode i den pågældende lag-trin). Tidspunkterne af perioderne blev varieret fra 0 til 13 timer (lag 0 = 0 timer forudgående, ..., 13 = 13 timer forudgående), og periodernes længde blev varieret fra 2 til 24 timer. Den tætteste sammenhæng (= absolut højeste korrelationskoefficient) mellem trend-justeret sporespredningsrate og forudgående vejrbetingelser findes for bladfugt og relativ luftfugtighed 3 timer bagud (lag = 3 timer) for en periode på 4 timer (bladfugt, r = 0,430) respektive 7 timer (relativ luftfugtighed, r = 0,344). Selv om korrelationskoefficienterne er for ringe til at tillade pålidelige kvantitative estimeringer, så er de alligevel højt signifikante (p<0,0001), fordi antallet af observationer var meget højt (>400).

Hvis vi beregner en ny variabel for gennemsnit af bladfugt og relativ luftfugtighed (((x₁/100) + (x₂/60)) / 2, hvor x₁ = % luftfugtighed og x₂ = minutter bladfugt/time), opnås en endnu højere korrelation (r = 0,451) med sporespredning for forholdene 3 timer bagud (lag = 3) og periode på 4 timer (figur 45, øverst til højre). Korrelationerne for temperatur og globalstråling er væsentlig lavere (absolut set) og med modsat fortegn sammenlignet med bladfugt og relativ luftfugtighed.

Figur 45. Sporulering. Korrelationskoefficient af lag-korrelationer (r, y-akse) til undersøgelsen af sammenhæng mellem trend-justeret sporefangstrate (se 2.10 for beregningsmetode og forklaring) og vejrvariabler, der påvirker sporuleringsbetingelserne i forudgående perioder (gennemsnit over periode). Perioder af 2 til 24 timers længde (2. x-akse) blev korreleret med trend-justeret sporefangstrater med tidsforskydning (lag) fra 0 til 13 timer (1. x-akse). Overfladerne er udglatninger beregnet via ”locally weighted regression” (Cleveland, 1979). Antal observationer varierer fra n = 395 til n = 408. Data for Bintje 2006 ikke med efter 2. august.

Resultaterne antyder, at sporulering og dermed antal sporer, der potentielt kan spredes, er højere jo højere luftfugtigheden og/eller jo mere intensiv bladfugt i den 3 timers forudgående tidsperiode af 4 til 7 timers varighed har været. En tydelig positiv maksimal korrelation findes også for globalstråling ved lag = 13 timer og periode = 13 timer, som antyder, at den forudgående dags solindstråling påvirker dannelsen af sporer i den efterfølgende tidsperiode.

3.9.3 Spredning af sporer: Korrelationer mellem sporefangst og forandring i betingelserne for sporespredning

Sporespredningsraterne blev korreleret med variabler, der angiver forandringer i forudgående vejrbetingelser. Det blev gjort med forskellige tidsforskydningstrin (= lag i timer) og tidsperioder (figur 46).

Den absolut tætteste korrelation for sammenhæng mellem sporespredningsrate og forandring i forudgående vejrbetingelser findes ved lag = 0 timer og periode længde = 3 timer, det vil sige for forandringerne i vejrbetingelserne i løbet af de sidste 3 timer (figur 46). Denne tidsperiode er identisk med tidsperioden, for hvilket sporespredningsraterne blev beregnet. Fugtighedsvariabler korrelerer negativt (r = mellem –0,358 og –0,411) og temperaturer positivt (r = 0,395).

Figur 46. Spredning af sporer. Korrelationskoefficient af lag-korrelationer (r, y-akse) til undersøgelsen af sammenhæng mellem trend-justeret sporefangstrate (se 2.10 for beregningsmetode og forklaring) og vejrvariabler, der indikerer forandring af betingelserne for sporspredning i forudgående perioder (gennemsnit over periode). Perioder af 1 til 6 timers længde (1. x-akse) blev korreleret med trend-justeret sporefangstraterne med tidsforskydning (lag) fra 0 til 2 timer (2. x-akse). Overfladerne er udglatninger beregnet via ”locally weighted regression” (Cleveland, 1979). Antal observationer varierer fra n = 404 til n = 407. Data for Bintje 2006 ikke med efter 2. august.

Resultaterne indikerer, at sporespredningen stiger, jo mere luftfugtigheden er faldet og/eller bladfugt forkortet, og jo mere temperaturen er steget i samme tidsperiode. Fortegnene for de korrelationskoefficienter, der indikerer sporspredningsbetingelserne, er dermed i modsætning til de fortegn, der findes for sporuleringsbetingelserne (sml. med figur 45). Det indikerer for eksempel, at høj luft- og/eller bladfugtighed fremmer sporeproduktionen, mens de hindrer frigørelse og spredning af sporer (som kræver de modsatte betingelser, det vil sige lav fugtighed). Kvantificering af timevis sporespredning baseret på disse beregninger ville dog resultere i ret usikre estimeringer, fordi korrelationskoefficienterne er meget ringe, selv om de er højt signifikante.

3.10 Spredning af sporer ved regnplask

Forsøg med regn eller vandings betydning for lokal spredning af kartoffelskimmel blev kun udført i 2005 på Flakkebjerg (beskrevet i metodeafsnit 2.7). Der blev smittet med kartoffelskimmel den 22. juni på enkelte planter i parcellerne. Disse planter var tydeligt angrebet den 6. juli, hvor vanding blev foretaget med 20 mm og 40 mm. Vandingen forårsagede en tydelig lokal spredning af sporer, og der var kraftigere angreb af kartoffelskimmel ved højeste vandmængde op til en måned efter smitte. Senere udviskedes forskellene, da kartoffelskimmel udviklede sig i alle parcellerne (figur 47).

Klik her for at se figuren.

Figur 47. Lokal spredning af kartoffelskimmel efter vanding med 20 mm og 40 mm den 6. juli. Skimmelangreb er bedømt henholdsvis 1 m 1-2 m og > 2 m fra punktinokulering. 2005.

3.11 Forbedring af DMI-HIRLAM

3.11.1 Forudsigelse af RH i numeriske vejrmodeller

Numeriske vejrmodeller har vanskeligt ved at forudsige RH med stor nøjagtighed. Det skyldes først og fremmest problemer med at forudsige fordampning fra jordoverfladen korrekt, primært på grund af mangelfuld information om vandindholdet i jordskorpen og det underliggende jordlag. Desuden bidrager både prognosefejl i temperatur og fugtighed til prognosefejl i RH. I modellen vil f.eks. for stor fordampning fra overfladen alt andet lige bidrage til for lav temperatur, fordi varmen, der bruges til fordampning, afkøler luften. Den vil også bidrage til for høj fugtighed i luften, fordi der tilføres vanddamp til luften ved fordampning. Ved fastholdt luftfugtighed vokser RH med faldende temperatur, og ved fastholdt temperatur vokser RH med stigende luftfugtighed. For stor fordampning fra overfladen bidrager derfor til en for høj RH, som følge af både faldende temperatur og stigende luftfugtighed.

I DMI-HIRLAM (beskrevet i Appendiks C), der beregner vejrprognoser for flere områder jfr. figur 48, benyttes specifik fugtighed, det vil sige mængden af vanddamp i kg pr. kg luft, som mål for vanddampindholdet. Specifik fugtighed afhænger af luftens temperatur, tryk og vanddampindhold. Hvis der ved en given temperatur og et givet tryk tilføres mere og mere vanddamp til luften, vil den specifikke fugtighed kunne nå sin mætningsværdi. Når det sker, har luften nået en RH på 100%. Yderligere tilførsel af vanddamp vil medføre kondensation (dråbedannelse), som sørger for, at den specifikke fugtighed fastholdes på sin mætningsværdi. Sidstnævnte afhænger af temperatur og tryk. Som beskrevet ovenfor er ændringer i RH bestemt ved ændringer i luftens temperatur og specifikke fugtighed. Ved jordoverfladen er ændringer i de sidstnævnte parametre i høj grad bestemt af henholdsvis energi- og vandbudgettet ved jordoverfladen.

Beregningsområderne er vist i figur 48. En beskrivelse af DMIs prognosemodelsystem findes i Sass et al. (2002) og Undén et al. (2002) samt Appendiks B og C.

Figur 48. De forskellige modelområder T15, S05 og G05 som benyttes i DMI-HIRLAM. Cifrene i navnene for modelområderne angiver den omtrentlige horisontale afstand i km mellem beregningspunkterne. De eksperimentelle versioner T1T og S0T, der er omtalt i teksten, benytter de samme områder som henholdsvis T15 og S05. S05 og G05 dækker henholdsvis sydskandinavien og Grønland.

Det fremgår af figur 48, at T15 og T1T, der har 40 niveauer i atmosfæren og i hvert niveau en horisontal afstand mellem beregningspunkterne på ca. 15 km, beregner prognoser for et meget stort område, der dækker hele Europa, Polarhavet og det meste af Nordatlanten og Nordamerika (inklusive Grønland). S05 og S0T beregner prognoser for det skandinaviske område, og har ligesom T-modellerne 40 niveauer i atmosfæren, men en mere finmasket horisontal opløsning med ca. 5 km mellem beregningspunkterne.

I DMI-HIRLAM indeholder energibudgettet:

• Nettostråling (R_N)
• Turbulent sensibel varmetransport (H_S)
• Turbulent latent varmetransport (H_L)
• Molekylær jord varmetransport (H_G)

H_S og H_L ligner den molekylære varmeledning, men det er turbulente luftbevægelser i stedet for molekylære sammenstød, der fører til ’varmeledningen’. Den turbulente ’varmeledning’ er langt mere effektiv end den molekylære, hvilket betyder, at man i vejrmodeller kan tillade sig at se bort fra den molekylære varmeledning i luften. Over/underskudsvarmen R_N – (H_S + H_L + H_G) går til at opvarme/afkøle det øverste jordlag (i DMI-HIRLAM er dette lag 0,01 m tykt).

Vandbudgettet indeholder:

• Turbulent transport af vanddamp (E) mellem overflade og luft
• Nedbør (P)
• Transport af jordvand (M) til/fra det øverste jordlag

Over/underskudsvandet P+M-E går til at forhøje/formindske vandindholdet i det øverste jordlag. Der er en øvre grænse for, hvor stort vandindholdet kan være i dette lag. Hvis denne grænse overskrides, behandles overskudsvandet i DMI-HIRLAM som afløbsvand (run off) fra overfladen.

Der er en sammenhæng mellem H_L og E givet ved

H_L=?×L×E

hvor L er fordampningsvarmen og ? luftens massefylde.

Temperaturens følsomhed overfor ændring i H_L (turbulent latent varmetransport) som følge af udtørring af det øverste jordlag, er illustreret i figur 49. Denne figur viser en kørsel med søjleversionen af DMI-HIRLAM. Starttidspunktet for 36 timers prognosen er 12 UTC (kl. 14 dansk sommertid) den 2. juni 2004. Til starttidspunktet benyttes radiosonde målinger fra Slesvig, interpoleret til søjleversionens beregningspunkter. En radiosonde er en ballon forsynet med en radiosender, som under opstigningen sender målinger af temperatur, fugtighed og vind fra forskellige højder til en modtager på jorden. Figur 49 viser, at en halvering af vandindholdet i det øverste jordlag medfører en betydelig stigning i overfladetemperaturen og temperaturen i 2,3 meters højde.

Figur 49. Prognose med start 12 UTC (kl. 14 dansk sommertid) den 2. juni 2004 for overfladetemperatur (Ts) og temperatur i 2,3 meters højde (T_n-2) ved Slesvig i en søjleversion af DMI-HIRLAM. Figuren viser effekt af ændring i vandindholdet i det øverste jordlag. Til venstre og højre er vandindholdet henholdsvis 0,4 og 0,2 m³/m³. Ved kørslerne er benyttet z_0m=0,05 m, R_m=3750 og vegetationstype ’lav vegetation’, som dækker hele jordoverfladen. R_m  indgår i beregningen af ruhedsparameteren for temperatur, z_0t , og z_0m er ruhedsparameteren for vind. For flere detaljer se Appendiks B.

Figur 50 viser tilsvarende temperaturens følsomhed over for H_G (den molekylære varmetransport i jorden). Figuren viser, at en sænkning af temperaturen på 10°C i modellens dybeste jordlag medfører en betydeligt lavere overflade- og lufttemperatur om natten. Eksemplerne tjener til at illustrere, at unøjagtigt kendskab til parametre som vandindhold og temperatur i jorden er kilder til fejl i den forudsagte relative fugtighed på grund af fejl i forudsigelsen af temperatur og specifikke fugtighed.

Figur 50. Prognose fra 12 UTC (kl. 14 dansk sommertid) den 2. juni 2004 for overfladetemperatur (Ts) og temperatur i 2,3 meters højde (T_n-2) ved Slesvig i en søjleversion af DMI-HIRLAM. Figuren viser effekt af ændring i molekylær varmetransport i jorden. Til venstre og højre er temperaturen Td i modellens dybeste jordlag henholdsvis lig med og 10°c koldere end overfladetemperaturen Ts. Ved kørslerne er benyttet z_0m=0,05 m, R_m=3750 og vegetationstype ’lav vegetation’, som dækker hele jordoverfladen. R_m og z_0m har samme betydning som i figur 48.

Ændringer i DMI-HIRLAM foretaget i projektet

I tilknytning til projektet er der foretaget flere ændringer (se følgende afsnit). Alle disse ændringer, undtagen en, har direkte indflydelse på H_L, E og H_S og dermed på ændringer i overfladetemperatur og overfladefugtighed. Ændringerne er først blevet testet i en søjleversion (det vil sige endimensional version) af HIRLAM. Antallet af beregningspunkter i den lodrette søjle, som er ca. 30 km høj, blev til formålet udvidet fra 40 til 80 punkter (med de fleste ekstra punkter i bunden af atmosfæren) for at få en mere nøjagtig beskrivelse af ændringen med højden af temperatur, fugtighed og vind nær jordoverfladen.

Derefter blev ændringerne testet på en sommerdag i 2004 i en eksperimentel version af DMI-HIRLAM. Beregningsgitteret i DMI-HIRLAM har 3 dimensioner (to horisontale og en lodret). Horisontalt er der i den benyttede version ca. 5 km mellem beregningspunkterne, og lodret er der i atmosfæren 40 beregningspunkter for hvert beregningspunkt i det horisontale gitter. Beregningspunkterne i lodret retning er valgt sådan, at afstanden mellem punkterne er mindst nær overfladen med det første beregningspunkt ca. 35 m over overfladen. Beregning af temperatur og fugtighed i 2 meters højde foregår i modellen ved at benytte turbulensteori for det nederste modellag (de nederste ca. 35 meter).

Den sidste og mest omfattende test var en semi-operationel kørsel af det eksperimentelle system parallelt med de operationelle kørsler over en periode på ca. en måned. Den semi-operationelle kørsel foregår på samme måde som den operationelle kørsel, men prognoserne beregnes først efter, at de operationelle prognoseberegninger er afsluttet. Ændringerne blev implementeret i DMI-HIRLAM og sat i operationel drift den 1. juni 2005. Til slut vises verificeringsresultater for RH for sommerperioderne 2005 og 2006.

3.11.2 Forbedringer i beregning af relativ luftfugtighed

Med baggrund i problemstillingen præsenteret ovenfor er der blevet foretaget flere ændringer i modellen med det primære formål at forbedre forudsigelsen af RH gennem forbedringer i beregningen af temperatur og specifik fugtighed på jordoverfladen og i atmosfæren.

Der er blevet foretaget ændringer i beregningen af

1: Ruhedsparameter for temperatur (z_ot) og specifik fugtighed (z_oq)

2: Specifik fugtighed

3: Turbulens

4: Justering af en række klimaparametre

Nedenfor gives en kort beskrivelse af ændringerne. En mere detaljeret beskrivelse med formler findes i Appendiks B.

3.11.3 Ændring af ruhedsparameter for temperatur og fugtighed

Ruhedsparameteren for vind (z_0m) er den højde over overfladen, hvor middelvinden er nul. En sneoverflade har typisk en ruhed på 1mm, mens et byområde typisk har en ruhed på 1 til 2 meter. Tilsvarende er z_0t og z_0q de højder, hvor temperatur og fugtighed er lig med henholdsvis overfladens middeltemperatur og middelfugtighed.

Ruhedsparameteren for temperatur (z_ot) og specifik fugtighed (z_oq) har betydning for, hvor hurtigt temperatur og specifik fugtighed ændrer sig med højden ved jordoverfladen. Jo mindre z_ot er, desto større er forskellen mellem overfladetemperaturen og temperaturen i f.eks. 2 meters højde. Årsagen er, at en mindre værdi af z_ot giver en større døgnvariation i overfladetemperaturen, mens døgnvariationen i temperaturen i f.eks. 2 meters højde ikke vokser i nær samme grad. Tilsvarende forhold gælder for specifik fugtighed.

I DMI-HIRLAM, hvor z_ot = z_oq, er der konstateret en tendens til for stor døgnvariation i overfladetemperaturen, der f.eks. viser sig ved en tendens til for høje overfladetemperaturer om dagen. Ændring 1 består derfor i at øge værdien af z_ot og samtidig fastholde z_ot = z_oq. I modellen er dette gjort for overflader uden vegetation og for overflader med lav vegetation. Tekniske detaljer vedrørende ændringen er beskrevet i Appendiks B. Effekten af ændringen er illustreret i figur 51. Denne figur viser resultater af prognosekørsler med søjleversionen af DMI-HIRLAM. Ved starten af prognoserne benyttes radiosonde målinger fra Slesvig 12 UTC (kl. 14 dansk sommertid) den 2. juni 2004. I delfiguren til højre på figur 51 er z_ot større end i figuren til venstre (se Appendiks B for flere detaljer). Figuren viser tydeligt, at en større værdi af z_ot medfører en mindre døgnvariation i overfladetemperaturen og lidt lavere lufttemperaturer nær overfladen (på figuren i 2,3 meters højde).

Figur 51. Prognose fra 12 UTC (kl. 14 dansk sommertid) den 2. juni 2004 for overfladetemperatur (Ts) og temperatur i 2,3 meters højde (T_n-2) ved Slesvig i en søjleversion af DMI-HIRLAM. Figuren viser effekten på temperaturen på overfladen og i atmosfæren af at gøre forholdet mellem ruhedslængderne for vind og temperatur (z_0m/z_0t) mindre. Til højre er z_0t = z_0m,, til venstre er  z_0t < z_0m og beregnet fra formel (3) i appendiks B. Ved kørslerne er z_0m=0,05m, og vegetationstypen er ’lav vegetation’, som dækker hele jordoverfladen. Se Appendiks B for flere detaljer.

3.11.4 Ændring i beregning af specifik fugtighed ved overfladen

Fordampning fra jordoverfladen foregår både fra vegetation og fra den vegetationsfrie del af jordoverfladen. Metoden, som benyttes i DMI-HIRLAM, er beskrevet i Noilhan and Planton (1989) og Bringfelt (1996). I bestræbelserne på at forbedre forudsigelsen af RH er der foretaget en ændring i beregningen af den relative fugtighed ved overfladen (RH₀).

Fordampningen (eller mere præcist den turbulente transport af vanddamp mellem luft og jordoverflade) er i DMI-HIRLAM proportional med vindhastigheden i det nederste modelniveau og proportional med differensen i specifik fugtighed (q₀-q_N) mellem overfladen og det nederste modelniveau i atmosfæren. Sammenhængen mellem specifik og relativ fugtighed ved overfladen er

q₀ = q_0s×RH₀

hvor q_0s er mætningsværdien ved overfladen. Ved mætning kan luften ikke indeholde mere vanddamp. Hvis der tilføres yderligere vanddamp, vil der ske kondensation (dannelse af skydråber), indtil den specifikke fugtighed igen er lig med mætningsværdien. Da det mættede vanddamptryk vokser eksponentielt med temperaturen, gælder det samme også for q_0s.

Fordampning fra overfladen er i DMI-HIRLAM som nævnt proportional med q_0s×RH₀ - q_N. Det betyder, at fordampningen fra overfladen er stærkt afhængig af, hvordan RH₀ ændrer sig, hvis f.eks. overfladetemperaturen og dermed også q_0s stiger som følge af solopvarmning. I DMI-HIRLAM er der konstateret en tendens til for hurtig udtørring af det øverste jordlag navnlig om sommeren i dagtimerne, hvilket har en tendens til at give for lav fordampning og for lidt fugtighed (og for lav RH) i luften. Ændringen i projektsammenhæng består i at lade RH₀ ændre sig langsommere som funktion af vandindholdet i det øverste jordlag. Detaljerne er beskrevet i Appendiks B.

3.11.5 Ændring i beregning af turbulens

Atmosfærisk turbulens virker analogt til molekylær diffusion, blot er den langt mere effektiv til at udglatte rumlige gradienter i meteorologiske størrelser som vind, temperatur, specifik fugtighed og skyvand. Sidstnævnte er ligesom specifik fugtighed målt i kg pr. kg luft. Turbulens er derfor en meget vigtig fysisk proces i atmosfæren, ikke mindst tæt ved jordoverfladen, hvor turbulensen normalt er mest intens. Ændringen, der er foretaget i beregningen af turbulens, har virkning i hele atmosfæren. Den er temmelig teknisk og beskrevet nærmere i Appendiks B.

3.11.6 Justering af klimaparametre

Ud over de nævnte ændringer 1 til 3 blev der også foretaget en justering af månedsmiddelværdier for følgende klimaparametre: minimum bladmodstand mod fordampning (stomatal resistance), vegetationsbrøkdel (vegetation fraction) for hver landskabsklasse (land cover class) og bladareal indeks (leaf area index, LAI). Desuden blev et diskontinuert skift i klimaparameter-værdier ved månedsskift afløst af en gradvis ændring baseret på glidende midling, således at klimaværdien for f.eks. den 20. juni nu er en vægtet sum af klimaværdien for juni (vægt ca. 5/6) og klimaværdien for juli (vægt ca. 1/6).

3.11.7 Test-case

Ændringerne, beskrevet ovenfor, blev implementeret i eksperimentelle versioner af DMI’s prognosemodelsystem, henholdsvis:

• S0T svarende til den operationelle version S05
• T1T svarende til den operationelle version T15

Modelområderne er vist i figur 48. Det fremgår af denne figur, at T15 og T1T har 40 niveauer i atmosfæren og i hvert niveau en horisontal afstand mellem beregningspunkterne på ca. 15 km. S05 og S0T beregner prognoser for det skandinaviske område og har ligesom T-modellerne 40 niveauer i atmosfæren, men en mere finmasket horisontal opløsning med ca. 5 km mellem beregningspunkterne.

Figur 52 viser 12 timers operationelle S05 prognoser og eksperimentelle S0T prognoser for temperaturen i 2 meters højde (T2m) gældende til 12 UTC (kl. 14 dansk sommertid) den 1. august 2004. Det fremgår af figur 52 og navnlig i de røde farver, at S0T flere steder over land har lidt lavere temperaturer end S05, hvilket indikerer, at ændringerne 1 til 3 sammen med justering af nogle klimaparametre bidrager til at reducere den positive middelfejl i T2m, som kendetegnede den operationelle model S05. Figur 52 er et enkelt eksempel til et enkelt tidspunkt og kan derfor kun give et fingerpeg om, hvorvidt de indførte ændringer går i den rigtige retning. En statistisk mere sikker viden kan kun fås ved at lave et stort antal prognoser under forskellige vejrforhold.

Figur 52. DMI-HIRLAM 12 timers prognoser for temperaturen i 2 meters højde fra 00UTC (kl. 02 dansk sommertid) den 1. august 2004. Til venstre resultatet fra DMIs operationelle prognosemodel S05, til højre resultatet for den eksperimentelle versionS0T med de ændringer, som er omtalt i teksten. Læg mærke til de lidt lavere temperaturer i S0T, som ses i de røde farver. Farveskalaen øverst på figuren er i °C.

3.11.8 Parallelkørsler

Med det formål at opnå en mere pålidelig statistik for temperatur og relativ fugtighed nær overfladen blev det eksperimentelle modelsystem (T1T og S0T) kørt parallelt med det operationelle system (med adgang til præcis de samme observationer som det operationelle system) gennem det meste af maj 2005. Under forudsætning af et tilfredsstillende udfald af parallelkørslerne var målet at sætte det eksperimentelle system i operationel drift den 1. juni, det vil sige tidligt i vækstsæsonen for kartofler. For at kunne opfylde dette tidskrav blev parallelkørslerne afsluttet 00UTC den 26. maj. Verificering af prognoserne mod observationer for perioden med parallelkørsler fra 1. til 26. maj 2005 er vist i figur 53.

På grund af store rumlige og tidslige variationer i fugtighed og temperatur ved overfladen måles disse parametre i en højde over overfladen, hvor variationerne er dæmpet. Som et kompromis har man valgt at måle i 2 meters højde. Verificeringsresultaterne nedenfor er derfor for T2m og RH2m (henholdsvis temperatur og relativ fugtighed i 2 meters højde).

Øverste række i figur 53 viser resultater for T15 og T1T. Prognoseværdier sammenlignes med udvalgte observationer fra Europa (den såkaldte EWGLAM observationsliste). Nederste række i figur 53 viser tilsvarende resultater for S05 og S0T, men her er verificeringen udelukkende mod danske observationer. Prognoseværdier interpoleres lineært fra beregningspunktet nærmest observationspunktet til observationspunktet før sammenligning med observationen. Det fremgår af figur 53, at både middelfejl og rms fejl for T2m og RH2m er forbedret i de eksperimentelle versioner T1T og S0T.  I verificeringen mod europæiske observationer ses, at den negative RH2m-middelfejl i den operationelle model T15 er blevet afløst af en (numerisk mindre) positiv middelfejl i den eksperimentelle model T1T. I verificeringen mod danske observationer har S05 og S0T begge en negativ RH2m middelfejl, men middelfejlen i S0T er tættest på nul.

På baggrund af de opnåede resultater i figur 53 og verificeringsresultater fra testkørsler for en vinterperiode (figur ikke vist) blev det besluttet at sætte det eksperimentelle system (T1T, S0T) i operationel drift fra den 1. juni 2005. På grund af utilstrækkelig computerkapacitet var det ikke muligt at fortsætte prognosekørslerne med modelsystemet M1 (det operationelle system forud for den 1. juni 2005) parallelt med det nye operationelle system M². Et mindre beregningskrævende tidligere operationelt prognosesystem M0, bestående af modellerne G45, D15 og D05 (D05 blev taget ud af drift ved udgangen af juni 2005), kører imidlertid fortsat parallelt med det operationelle system M². Verificeringsresultaterne for T2m og RH2m fra M0 minder så meget om de tilsvarende verificeringsresultater fra M1, at det er rimeligt at antage, at en sammenligning af M0 og M² kvalitativt giver samme resultat som en (hypotetisk) sammenligning af M1 og M². En sammenligning af verificeringsresultater for prognosemodelsystemerne M0 og M² præsenteres derfor i næste afsnit.

Figur 53. Verificering af prognoser for temperatur (T2m) og relativ fugtighed (RH2m) i 2 meters højde mod europæiske observationer i den såkaldte EWGLAM liste (øverste række) og mod danske observationer (nederste række) for perioden 1. til 26. maj 2005. Resultater for T2m og RH2m er vist i henholdsvis venstre og højre søjle. De øverste kurver på hver delfigur viser den tilfældige fejl målt ved root mean square (rms) fejlen, og de nederste kurver viser middelfejlen. Resultaterne er i øverste række for den operationelle DMI-HIRLAM-T (T15) og en parallelt kørende eksperimentel version T1T, og resultaterne i den nederste række er for den operationelle S05 og den eksperimentelle S0T. De eksperimentelle versioner indeholder RH-ændringerne beskrevet i afsnit 3.11. Bemærk specielt at rms fejlen på RH (søjlen til højre) er mindre i de eksperimentelle versioner end i de operationelle. Temperaturen er i °C og RH i %.

3.11.9 Verificeringsresultater for RH2m for juli 2005

Figur 54 viser verificeringsresultater for RH2m i Danmark for juli 2005. Tilsvarende verificeringsresultater for sommeren (juni, juli og august) 2005 og 2006 er vist i Appendiks B. I figur 54 sammenlignes danske observationer af RH2m med tilsvarende prognoseværdier for prognoser, der alle har starttidspunkt 12 UTC (kl. 14 dansk sommertid). I sammenligningen har observation og prognose samme gyldighedstidspunkt, således at f.eks. 6 timers prognoser (31 i alt) sammenlignes med observationer fra 18 UTC (kl. 20 dansk sommertid). Observationerne er blevet opdelt i 3 grupper, henholdsvis landobservationer, kystobservationer og land- plus kystobservationer. De 3 delfigurer i figur 10 viser fra top til bund verificeringsresultater for henholdsvis land- plus kyststationer, landstationer og kyststationer.

Døgnvariationen i både observationer og prognoser ses at være mindst for kyststationerne. For kyststationerne gælder, at amplituden i døgnvariationen er mindre i prognoserne end i observationerne. Dette gælder dog ikke for G45. I denne model er kystlinien på grund af den relativt store afstand (45 km) mellem gitterpunkterne ikke så skarp, som i de øvrige modeller. Figur 54 viser også, at RH2m prognoserne for landstationer er betydeligt tættere på de observerende værdier i T1T og S0T end i D15 og G45 (modelsystem M0). For kyststationerne er forskellen mindre, men i nattetimerne stadigvæk til fordel for T1T og S0T. Det er også bemærkelsesværdigt, at RH2m prognoserne næsten er lige så gode for døgn 2 som for døgn 1. Der er grund til at understrege, at verificeringsresultaterne varierer noget fra måned til måned og for samme måned også fra år til år formentlig primært på grund af måned til måned og år til år variationer i det fremherskende strømningsmønster i atmosfæren over Europa.

Figur 54. Observeret (rød kurve med krydser) og forudsagt RH2m ved danske målestationer som funktion af prognoselængde i timer for prognoser med begyndelsestidspunkt 12UTC (kl. 14 dansk sommertid) for juli 2005. Resultater for alle stationer, landstationer og kyststationer vises i henholdsvis øverste, mellemste og nederste delfigur. T1T og S0T er operationelle prognoser fra modelsystem M², sat i operationel drift den 1. juni 2005. G45 og D15 er prognoser fra et ældre modelsystem M0, som kører parallelt med M².

3.12 Nedskalering af DMI-HIRLAM prognoser til lokale prognoser

Metode for nedskalering er beskrevet i afsnit 2.13. Forsøgsmarkerne fremgår af afsnit 2.16.

Figur 55 til 60 viser, hvordan prognoserne for relativ luftfugtighed og temperatur har været i forhold til de observerede værdier ved de tre vejrstationer i perioden 1. juli til 31. august 2006. I hver figur viser den sorte kurve afvigelsen mellem HIRLAM prognosen og observationerne, den blå kurve viser afvigelsen mellem den kalibrerede prognose og observationerne, og den røde kurve viser korrektionsværdierne til kalibreringen. Der er i alle tilfælde tale om gennemsnittet af timerne fra kl. 22 til kl. 8 næste morgen.

HIRLAM-prognosen for relativ luftfugtighed (figur 55 til 57) var gennemgående for høj, men med en meget stor variation. Kalibreringen har gennemgående formindsket prognosen for relativ luftfugtighed, dog uden det har haft den helt store forbedring til følge. Den manglende stabilitet i afvigelsen mellem HIRLAM-prognosen og observationerne har bevirket, at kalibreringen ikke har haft den ønskede effekt i større grad.

HIRLAM-prognosen for temperatur var på alle tre lokaliteter 1-2 grader for lav (figur 58 til 60). Denne afvigelse har været relativ stabil, og det ses af figurerne, at kalibreringen har haft en god effekt på prognosen for temperatur.

Figur 55. Afvigelse mellem observeret RH og henholdsvis DMI-HIRLAM prognose (sort) og kalibreret prognose (blå) samt korrektionsfaktorer til kalibrering (rød). Try (Hedegård) 2006.

Figur 56. Afvigelse mellem observeret RH og henholdsvis DMI-HIRLAM prognose (sort) og kalibreret prognose (blå) samt korrektionsfaktorer til kalibrering (rød). Grove (Ytteborg) 2006.

Figur 57. Afvigelse mellem observeret RH og henholdsvis DMI-HIRLAM prognose (sort) og kalibreret prognose (blå) samt korrektionsfaktorer til kalibrering (rød). Flakkebjerg 2006.

Figur 58. Afvigelse mellem observeret temperatur og henholdsvis DMI-HIRLAM prognose (sort) og kalibreret prognose (blå) samt korrektionsfaktorer til kalibrering (rød). Try (Hedegård) 2006.

Figur 59. Afvigelse mellem observeret temperatur og henholdsvis DMI-HIRLAM prognose (sort) og kalibreret prognose (blå) samt korrektionsfaktorer til kalibrering. (rød). Grove (Ytteborg) 2006.

Figur 60. Afvigelse mellem observeret temperatur og henholdsvis DMI-HIRLAM prognose (sort) og kalibreret prognose (blå) samt korrektionsfaktorer til kalibrering (rød). Flakkebjerg 2006.

Resultaterne af den statistiske analyse af prognoser for skimmelvejr sammenlignet med det observerede vejr ved vejrstationerne er vist i tabel 5-10.

Den positive prædiktive værdi, som udtrykker, hvor ofte faktisk forekommende dage med skimmelvejr er forudsagt korrekt af prognosen, er 80-90% i HIRLAM-prognosen (venstre del af tabel 5-7). Den negative prædiktive værdi, som udtrykker, hvor ofte dage, der ikke har haft skimmelvejr, er forudsagt korrekt, er 40-70%. Specificiteten, som udtrykker sikkerheden i forudsigelsen af fravær af skimmelvejr, er 75-85 %. Den forbedrede HIRLAM-prognose er dermed væsentligt bedre end tidligere prognoser undersøgt af Detlevsen (2003) og Hansen et al. (2003).

Den kalibrerede prognose (højre del af tabel 5-7) er med hensyn til den positive prædiktive værdi på niveau med eller lavere end HIRLAM-prognosen, og med hensyn til den negative prædiktive værdi på niveau med HIRLAM-prognosen. Kalibreringen har således ikke forbedret forudsigelsen af dage med skimmelvejr eller dage uden skimmelvejr på de tre lokaliteter, der er undersøgt i dette projekt. Årsagen hertil er, at der ikke har været en tilstrækkelig stor og stabil systematisk afvigelse mellem HIRLAM-prognosen og det observerede vejr.

Nøjagtigheden af prognoser to dage frem er kun lidt lavere end nøjagtigheden af prognoser en dag frem.

Den negative prædiktive værdi, som udtrykker, hvor ofte dage, der ikke har haft skimmelvejr, er forudsagt korrekt, er 40-70%. Specificiteten, som udtrykker sikkerheden i forudsigelsen af fravær af skimmelvejr, er 75-85%. Der er dermed relativt få sikre perioder, der bliver detekteret af prognosen, men forudsigelsen er rimelig sikker.

Den kalibrerede prognose er med hensyn til den positive prædiktive værdi generelt lavere end HIRLAM-prognosen, hvilket indikerer, at kalibreringen ikke har forbedret forudsigelsen af dage med skimmelvejr.

Nøjagtigheden af prognoser to dage frem er kun lidt lavere end nøjagtigheden af prognoser en dag frem.

Tabel 5. Observeret skimmelvejr vs. prædikteret skimmelvejr ved henholdsvis HIRLAM-l og kalibreret prognose 1 dag frem. Hedegård. 2006, %.

Tabel 6. Observeret skimmelvejr vs. prædikteret skimmelvejr ved henholdsvis HIRLAM- og kalibreret prognose 1 dag frem. Ytteborg. 2006, %.

Tabel 7. Observeret skimmelvejr vs. prædikteret skimmelvejr ved henholdsvis HIRLAM- og kalibreret prognose 1 dag frem. Flakkebjerg. 2006, %.

Tabel 8. Observeret skimmelvejr vs. prædikteret skimmelvejr ved henholdsvis HIRLAM- og kalibreret prognose 2 dage frem. Hedegård. 2006, %.

Tabel 9. Observeret skimmelvejr vs. prædikteret skimmelvejr ved henholdsvis HIRLAM- og kalibreret prognose 2 dage frem. Ytteborg. 2006, %.

Tabel 10. Observeret skimmelvejr vs. prædikteret skimmelvejr ved henholdsvis HIRLAM- og kalibreret prognose 2 dage frem. Flakkebjerg. 2006, %.

3.13 Validering af modeller og beslutningsstøtte i markforsøg

Resultaterne fra markforsøgene med BM på de tre lokaliteter i 2005 og 2006 fremgår af tabellerne 11 til 16. Forsøgene er beskrevet i afsnit 2.16. Forsøgsresultaterne er opgjort pr. år, da kun to af modellerne er sammenlignelige i de to år.

I 2005 viste forsøget i Grove, at der kunne spares i gennemsnit to BI (behandlingsindeks) i både den modtagelige og mere resistente sort, når der ikke forekom skimmel af betydning. Hvordan situationen havde set ud, hvis der havde været skimmel er uvis. I Try forekom der lidt skimmel og her kunne der kun spares omkring 0,5 BI i den modtagelige sort, og 1-2 BI i den mere resistente sort Kuras (tabel 11). I forsøget ved Flakkebjerg var der betydeligt mere skimmel men her opstod desværre en fejlmåling af RH på 2% (jævnfør Appendiks G). Dette medførte, at der var væsentlig mere kartoffelskimmel i sorterne Saturna og Kuras sidst på sæsonen for BM2 og BM3 i forhold til en rutinestrategi. Hvor der blev anvendt METOS klimastation i BM1 virkede luftfugtighedssensoren ligeledes ikke tilfredsstillende, hvilket medførte at de fleste behandlinger var udført med samme dosering som ved rutinebehandling. Forsøgene i Flakkebjerg i 2005 kan derfor ikke sige noget om systemernes anvendelighed ved høje smittetryk. Der var i 2005 ikke forskel i knoldudbyttet ved anvendelse af de forskellige beslutningsstøttemodeller sammenlignet med anvendelse af en rutinestrategi (tabel 13). I forsøget ved Try var der en sikker forskel i udbyttet i Kuras ved anvendelse af BM1 og BM3. Denne forskel er dog ikke mulig at forklare ud fra skimmelangrebene.

I 2006 blev kartoffelskimmelen registreret senere end normalt men udviklede sig usædvanligt hurtigt i august som følge af en kombination af kraftig nedbør, høje nattemperaturer (jævnfør afsnit 3.1) samt en reduceret effekt af svampemidlet Shirlan i Flakkebjerg. Trods en nedvisning af de ubehandlede parceller var smittetrykket meget højt i forsøgsarealerne ved Try og Flakkebjerg, hvilket førte til høje skimmelangreb i forsøgene, selv ved ugentlige behandlinger med 0,3 liter Shirlan pr. ha (tabel 12). I Grove var der et lille smittetryk, og her kunne man se en besparelse i BI på 0,5-1,5 ved brug af BM1-2 afhængig af sort. I Try var der et stort smittetryk og ingen besparelse i BI ved brug af beslutningsmodellerne i forhold til en ugentlig behandling med 0,3 liter Shirlan (tabel 12), som det blev set i 2005 (tabel 11). I den mest resistente sort Kuras burde man forvente en større reduktion i behandlingsindeks ved anvendelse af beslutningsstøttesystemer, der kombinerer resistens og variable doser af svampemiddel. I Flakkebjerg i 2006 var der et meget højt smittetryk og angreb i marken. Der blev således registreret omkring 70% skimmel i Saturna i august og 50% skimmel i Kuras i september. Ved disse høje smittetryk var der ingen forskel i angrebet trods en reduktion i BI på 1-1,5 ved anvendelse af beslutningsstøttemodeller.

På grund af det usædvanlige skimmelfavorable vejr sidst på sæsonen blev der i 2006 generelt anvendt højere doser af Shirlan i BM i denne periode end ved rutinestrategien, hvilket opvejer de besparelser i behandlingsindeks, der er opnået ved de reducerede doser først på sæsonen. Ved Flakkebjerg havde det hollandske system Plant Plus ligeledes svært ved at anbefale en bekæmpelsesstrategi, der kunne holde skimmelen under kontrol (tabel 12).

Der var i 2006 store udbytteforskelle i forsøgene, men ingen signifikante forskelle mellem de forskellige strategier (tabel 14).

Tabel 11. Antallet af behandlinger, behandlingsindeks samt forekomst af skimmel ved brug af forskellige beslutningsstøttemodeller i 2005.

Tabel 12. Antallet af behandlinger, behandlingsindeks samt forekomst af skimmel ved brug af forskellige beslutningsstøttemodeller i 2006.

Tabel 13. Udbytte ved brug af forskellige beslutningsstøttemodeller i 2005.

Tabel 14. Udbytte ved brug af forskellige beslutningsstøttemodeller i 2006.

I forsøgene er der også bedømt knoldskimmel (tabel 15-16). På grund af gode høstbetingelser i 2005 med varmt og tørt vejr i hele høstperioden blev der kun registreret lidt knoldskimmel i de høstede kartofler og ingen forskelle mellem behandlingerne i forsøgene (tabel 15). I 2006 var det mere fugtigt og varmt sidst på sæsonen og ved optagning, hvilket resulterede i et højere angreb af knoldskimmel. Der var dog ingen forskel mellem de enkelte modeller (tabel 16).

Tabel 15. Forekomst af knoldskimmel ved brug af forskellige beslutnings-støttemodeller i 2005.

Tabel 16. Forekomst af knoldskimmel ved brug af forskellige beslutnings-støttemodeller i 2006.

| Forside | | Indhold | | Forrige | | Næste | | Top |

Version 1.0 Oktober 2008, © Miljøstyrelsen.