The validity of the results produced by the model, in its current state of development, is limited. This implies, among other things, an improved validity of the biophysical database (input and output sides).
H INTERGRUND
Z IELE UND V ORGEHEN
Das Potenzial zur Reduzierung der P-Emissionen aus dem nichtlandwirtschaftlichen Sektor ist weitgehend ausgeschöpft, sodass klar ist, dass sich der See ohne weitere landwirtschaftliche Maßnahmen nicht vollständig erholen kann. Aus theoretischer Sicht bilden die ersten besten Maßnahmen eine Referenz, anhand derer die Wirksamkeit tatsächlicher Maßnahmen bewertet werden kann, wie zum Beispiel:
A UFBAU DER A RBEIT
Bei der Entwicklung des Projekts kamen wir zu dem Schluss, dass das Modellsystem noch nicht bereit ist, reale agrarpolitische Maßnahmen zu bewerten. In den Schlussfolgerungen in Kapitel 7 wollen wir kurz aufzeigen, wo der verfolgte Ansatz beim aktuellen Entwicklungsstand noch nicht zufriedenstellend ist.
M ASSNAHMEN
T HEORETISCHE B EGRÜNDUNG AGRARPOLITISCHER M ASSNAHMEN
Dies lässt sich anhand von Abbildung 2-2 am Beispiel von Produktionsexternalitäten auf Gewässer veranschaulichen: Ein Produzent (A) verschmutzt den See, wenn er ein privates Gut produziert. Wenn die optimale Emission bekannt ist, führt eine Besteuerung in Höhe von tp auch zu einer optimalen Schadstoffbelastung.
T YPISIERUNG UND A NWENDBARKEIT STAATLICHER M ASSNAHMEN
In der Praxis sind nur zweitbeste Maßnahmen möglich, um nicht punktuelle Verschmutzungen zu bekämpfen, zu denen auch Emissionen aus der Landwirtschaft in Seen und Grundwasser gehören. Generell gilt, dass die von uns verwendeten ersten besten Maßnahmen modelltechnisch leichter darstellbar sind, die anderen in Tabelle 2-1 aufgeführten Problemlösungsansätze hingegen gar nicht (z. B. „Information und Bildung“).
Ü BERBLICK ÜBER DAS M ODELLKONZEPT DIESER A RBEIT
Die Betriebskosten einer Maßnahme lassen sich aus der Differenz der Betriebsergebnisse mit und ohne Maßnahme ableiten. Aus öffentlicher Sicht interessiert uns, welche Auswirkungen die betrieblichen Entscheidungen auf die definierten politischen Ziele haben (z. B. hinsichtlich Nährstoffverlusten).
F ALLSTUDIENGEBIET B ALDEGGERSEE
Ö KOLOGISCHE R AHMENBEDINGUNGEN
- Geschichte der Eutrophierung
- Sanierung des Baldeggersees
Der Wechsel von eutroph zu polytroph erfolgte in den Folgejahren mit einer maximalen P-Konzentration im Jahr 1974 von 520 mg P/m3. In den 90er Jahren des letzten Jahrhunderts kam es erneut zu einem Übergang des Sees von polytroph zu eutroph.
M ASSNAHMEN IN DER L ANDWIRTSCHAFT (P HOSPHORPROJEKT B ALDEGGERSEE )
Zusätzlich zu den oben genannten Massnahmen basierend auf freiwilligen Vereinbarungen werden begleitende verbindliche Regelungen für alle Unternehmen in den Einzugsgebieten Sempachersee, Baldegg und Hallwil erlassen. Im LN gibt es keine Schächte und Hohlräume, durch die Nährstoffe ins Wasser gelangen können.
D ATENERHEBUNG IM B ALDEGGERSEEGEBIET FÜR DAS M ODELL
- Landwirtschaftliche Strukturen im Einzugsgebiet
- Böden
Was die Tierhaltung betrifft, ist der Betrieb weniger intensiv als der Durchschnitt: Er hält durchschnittlich 1,4 DGVE/ha und hat weniger Schweine. Mithilfe dieser Symbole konnten wir auf die Bodenprofile in der erweiterten Bodenkartenlegende und die am FAL archivierten Profilaufzeichnungen zugreifen und die dort gespeicherten Daten nutzen, um 11 Bodentypen im Modell zu parametrisieren.14 Die für diese Zuordnung verwendeten Profile sind zu sehen in Tabelle 2-21.
EPIC M ODELLAUFBAU
Im Feldbewirtschaftungsmodul von EPIC werden die Auswirkungen von Kulturmaßnahmen und Verkehr auf die Fläche erfasst. Es wird gezeigt, wie sich diese Maßnahmen auf die Durchmischung von Nährstoffen und Ernterückständen in der Pflugschicht sowie auf die Boden- und Oberflächenstruktur und eine eventuelle Bodenverdichtung auswirken. Eingabedateien können mit einem Hilfsprogramm („EPIC-Util“) oder direkt in einem Texteditor erstellt und geändert werden.18 Eine logische Verknüpfung zwischen verschiedenen Daten erfolgt nur in dem Programm, dessen Eingabe erfolgt.
E INSATZBEREICHE VON EPIC
Sehr gute Übereinstimmung für Weizen und Mais, gut für Sonnenblumen, aber nur mäßig für Soja und Gerste. Die von EPIC simulierten Bildungsraten von C in organischer Bodensubstanz auf verlassenen Ackerflächen stimmen recht gut mit den beobachteten Werten überein. Methodischer Ansatz, um aus grobaufgelösten Daten feinaufgelöste Daten für Simulationen zu gewinnen.
M Y EPIC – EINE P ROGRAMMERWEITERUNG FÜR EPIC
F UNKTIONALITÄT VON M Y EPIC
Im Hintergrund generiert ein Programm durch Änderung der gewählten Parametereinstellungen den Eingabesatz für die einzelnen Simulationen. In einem weiteren Dialog geben Sie MyEPIC weitere Einstellungen zur Konfiguration der Simulation vor, etwa die Pfade für das EPIC-Programm und den Speicherort für die Ein- und Ausgabedaten. Um beispielsweise eine Einstellung aus den STABIO-Experimenten mit einer für das Gebiet Baldeggersee zu vergleichen, reicht es aus, den Pfad zu den entsprechenden Eingabedateien festzulegen.
T ECHNISCHE Ü BERLEGUNGEN ZU M Y EPIC UND W EITERENTWICKLUNG
Das Programm erstellt im Hintergrund die entsprechende SQL-Abfrage21 und zeigt die ausgewählten Daten an. Beispielsweise können für eine bestimmte Fragestellung nur die Simulationen mit hohen N- und P-Beständen ausgewählt und nur die Ergebnisse angezeigt werden, die die Erosion beeinflussen. Die zweite Komponente ist ausschließlich für das Filtern, Sammeln und Komprimieren der Ausgabedaten verantwortlich.
K ALIBRIERUNG VON EPIC MIT STABIO D ATEN
M OTIVATION FÜR DIE S IMULATION MIT STABIO D ATEN
D ATENGRUNDLAGE FÜR DIE K ALIBRIERUNG MIT STABIO D ATEN
- STABIO Versuche
- Ausgangsdaten der ausgewählten Versuche
- Beurteilung der STABIO Versuche als Datenbasis für die Kalibrierung von EPIC .65
- Erträge
- Erosion
- Phosphor
- Stickstoff
- Vergleich der STABIO Versuchsergebnissen mit Literaturangaben
Die Abbildungen 3-9 und 3-10 zeigen die simulierten Erosionsverluste mit Standard-N-Düngung bzw. normalem Ausgangs-N-Pool für die USLE-Schätzmethode. Die Beschreibungen der weiteren Verfahren sind im elektronischen Anhang (Kapitel 6, S. 31ff) enthalten.40. Die Einschätzung der simulierten Verluste bei normaler N-Düngung und beginnendem N-Pool ist für die meisten Experten gut.
Für die Ergebnisse bei Variation der N-Düngung und Start der N-Pool-Parameter kann diese Aussage nicht getroffen werden. Die Sedimentverluste für den 3./3. | Das Angebot an 3/3NP im Laufe der Jahre ist in Abbildung 3-27 dargestellt.
F AZIT UND K ONSEQUENZEN AUS DER K ALIBRIERUNG
- Qualität der Simulationsresultate
- Verwendbarkeit der simulierten Daten für das ökonomische Modell
Allerdings scheint EPIC bei Nulldüngung und/oder einem schwachen anfänglichen Stickstoffvorrat zu empfindlich zu reagieren, insbesondere in Bezug auf Ertrag und Bodenbedeckung, was sich dann möglicherweise in den Ergebnissen anderer Parameter widerspiegelt. Auf empirischer Ebene liegen die notwendigen Daten für ein ökonomisches Modell nicht vor, so dass Simulation die einzig gangbare Option ist. Im aktuellen Stadium unserer Kalibrierung können wir davon ausgehen, dass die Wirkungsrichtung und die ungefähren Größenordnungen der interessierenden Faktoren den Erwartungen entsprechen.
Ü BERTRAGUNG DES K ALIBRIERUNGSSETUP AUF S IMULATIONEN FÜR DAS
- A NPASSUNGEN DER A NBAUPLÄNE
- A NPASSUNG DER W ETTERDATEN
- A NPASSUNG DER B ODENDATEN
- F AZIT AUS DER Ü BERTRAGUNG DES S IMULATIONSSETUPS
Die HUSC-Werte für das neue OPSC wurden aus dem tatsächlichen Zeitpunkt der Implementierung im STABIO-Test und den täglichen Wetterdaten für die STABIO-Simulationen abgeleitet. Für die abschließenden Simulationen des Baldeggerseegebietes haben wir generell die Grünlandkulturen (natürliche und künstliche Weide sowie Zwischenfütterung) angepasst. Die Ergebnisse der auf das Baldeggerseegebiet angepassten Simulationen liegen in der Regel in einem sinnvollen Wertebereich, was mit der Expertise zur Kalibrierung mit STABIO-Daten im Einklang steht.
EPIC-S ETUP DER BIOPHYSIKALISCHEN S IMULATIONEN
K ULTUREN UND F RUCHTFOLGE
- Fruchtfolge
- Wahl der Daten für die Auswertung
- Stellung einer Kultur innerhalb der Fruchtfolge
Idealerweise sollten die Ergebnisse des BPM pro Prozess daher möglichst unabhängig von der Fruchtfolge sein, in der der Prozess simuliert wird. Wir haben uns daher entschieden, für jede Methode zunächst eine vollständige siebenjährige Fruchtfolge zu simulieren und nur die Ergebnisse des achten Jahres als verwertbare Daten zu verwenden. Beseitigen Sie kulturelle Nachfolge und erfassen Sie die Auswirkungen wiederholter Managemententscheidungen gleichzeitig für jeden Prozess.60.
D ÜNGUNG
- Allgemeine Überlegungen zum Umsetzungskonzept
- Hofdünger
Die so berechnete Gesamtnährstoffmenge in kg pro GVE und Jahr ist in Tabelle 3-14 aufgeführt. Das bedeutet 667 kg Festmist pro BVE und Jahr für Zuchtschweine und 471 kg Trockenmist für Mastschweine. Betrachtet man den BVE-Bestand an Schweinen und Rindern im Baldeggerseegebiet von 2,13 DGVE/ha, wäre dies ein Mangel pro Hektar und Jahr.
EPIC S IMULATIONSERGEBNISSE FÜR DAS B ALDEGGERSEEGEBIET
- E RTRÄGE
- O BERFLÄCHENABFLUSS (Q)
- V ERSICKERUNG (PRK)
- S TICKSTOFFVERLUST DURCH V ERSICKERN (PRKN)
- E ROSION (RUSLE)
- P HOSPHORVERLUSTE DURCH A BSCHWEMMUNG (QAP)
- P HOSPHORVERLUSTE MIT S EDIMENTEN (YP)
Die Versickerungsraten entsprechen in etwa denen, die auch in den STABIO-Simulationen beobachtet wurden. Der Austrag an gelöstem Phosphor ist in den Simulationen des Baldeggerseegebietes deutlich geringer als in den entsprechenden STABIO-Läufen. Für Ackerkulturen liegen sie im oberen erwarteten Bereich und für Weiden scheinen sie deutlich überschätzt zu sein.
W AHL DER F UNKTIONSFORMEN
Die erste Anforderung entspricht – technisch gesehen – der Anforderung eines möglichst hohen Bestimmtheitsmaßes (R2) in der Regressionsanalyse; das heißt, die Anforderung, dass ein größerer Anteil der Varianz der abhängigen Variablen durch die Varianzen der unabhängigen Variablen beschrieben werden sollte. Die Umsetzung dieser Anforderung kann in der Praxis komplex und schwierig sein, insbesondere wenn eine Vielzahl möglicher Auswirkungen in Frage gestellt wird und/oder wenig über die internen Zusammenhänge eines Systems bekannt ist. Die zweite Anforderung besagt: Die Form der Funktionen muss so gewählt werden, dass in der mathematischen Optimierung eine Lösung existieren kann und dass diese Lösung idealerweise eindeutig ist.
F UNKTIONSFORMEN ZUR B ESCHREIBUNG DER P RODUKTION
K ONVEXITÄT
Die Konvexität eines Optimalitätsproblems ist die Voraussetzung für die Konvergenz mathematischer Lösungsverfahren zu einer Lösung, d. h. ein konvexer Raum ist als „größer als gleiche Nebenbedingungen“ (LHS ≥ RHS) in der Standardform68 zumindest quasi-konkav oder die Ordnung gegeben der beiden partiellen Ableitungen ist gegen stetige Funktionen austauschbar; daher ist die Hesse-Matrix symmetrisch, wie man leicht an der Kurzschreibweise (rechter Term) in Formel [11] erkennen kann.
U NTERSUCHUNG DER VERWENDETEN F UNKTIONEN AUF K ONVEXITÄT
- Q UADRATISCHE F UNKTION
- E RWEITERTE QUADRATISCHE F UNKTION MIT EINEM T ERM FÜR DIE W ECHSELWIRKUNG . 142
- E RWEITERTE W URZELFUNKTION
- C OBB -D OUGLAS F UNKTION
Interessant ist es, wenn wir zusätzlich c2 > ∧0 c4>0 fordern, da wir von einem nichtlinearen Einfluss der Faktoren x1 und x2 ausgehen. Da wir die Funktion in allen Parametern auswerten wollen – insbesondere in den nichtlinearen Termen – sind die Alternativen mit c2 = 0 und/oder c4 = 0 nicht interessant. Der Übersichtlichkeit halber werden hier nur die Bedingungen für die interessierenden Bereiche der Parameter c1, c2 und c3 gezeigt, und wir setzen voraus, dass x1 und x2 positiv sind.
M ETHODE DER R EGRESSIONSRECHUNG UND ROBUSTE R EGRESSION
K LEINSTE Q UADRATE S CHÄTZUNG
Nach dem Gauß-Markov-Theorem ist die Methode der kleinsten Quadrate die effizienteste Schätztechnik; das heißt, es liefert die Koeffizientenschätzung mit der kleinsten Varianz.
R OBUSTE S CHÄTZUNG
Hogg (1979, S. 110) schlägt einen Wert von 5 oder 6 für die Stimmkonstante vor, wenn die Skala unbekannt ist; wir haben 5 verwendet. Ein großer Teil der IRLS-Schätzer konvergierte auch nach 5000 Iterationen in unseren Schätzungen und veränderte die Anfangswerte für die Parameter nicht, wahrscheinlich aufgrund der geringen Flexibilität der Cobb-Douglas-Funktion, die sich auch im niedrigen R2 in OLS manifestierte Einschätzung. Daher mussten wir im OEM darauf verzichten, mit der robust geschätzten Cobb-Douglas-Funktion zu arbeiten – in der OLS-Schätzung wird die Cobb-Douglas-Funktion daher nur für die Produktionsfunktion verwendet.
P ROBLEM DER INTERANUELLEN V ARIATION
Im Gegensatz zur Analyse mit Dummy-Variablen wird bei der Regression mit Mittelwertdaten die individuelle jährliche Auswirkung vor der eigentlichen Regressionsanalyse berücksichtigt. Im Gegensatz zur Berechnung mit Dummy-Variablen ist es bei diesem Ansatz nicht mehr möglich, auf den Wert der erklärten Variablen in einem bestimmten Jahr zu schließen (z. B. in Vorhersagemodellen). Als bessere Methode für unsere Daten erwies sich in der Praxis die auf Basis mehrjähriger Mittelwerte geschätzte Regression.
R ESULTATE DER P ARAMETERSCHÄTZUNG
- P RODUKTIONSFUNKTIONEN
- E ROSIONSFUNKTIONEN
- P HOSPHORVERLUSTE DURCH A BSCHWEMMUNG
- P HOSPHORVERLUST MIT DER E ROSION
- V ERÄNDERUNG DES MINERALISCHEN P HOSPHORPOOLS IM B ODEN
- S TICKSTOFFVERLUST DURCH V ERSICKERN
- S ICKERUNG VON W ASSER
- V ERÄNDERUNG DES S TICKSTOFFPOOLS IM B ODEN
Die Schätzungen für die Quadrat- und Quadratwurzelformen zeigen einen hohen Bestimmtheitskoeffizienten, der im Allgemeinen größer als 0,9 ist, aber die Anpassungen der Cobb-Douglas-Funktionen sind viel schwächer. Darüber hinaus zeigen die Analysen auch einen gewissen, aber nicht immer einheitlichen Einfluss auf die Stickstoffdüngung. Auch die Wasserversickerung (PRK) ist wichtig für die Abschätzung der Stickstoffmenge, die im Grundwasser landet (siehe 5.3.3).
M ATHEMATISCHE G RUNDLAGEN FÜR DAS ÖKONOMISCHE E NTSCHEIDUNGSMODELL
A LLGEMEINES O PTIMIERUNGSPROBLEM
Karush-Kuhn-Tucker (KKT)-Bedingungen bieten optimale Ergebnisse bei der nichtlinearen Programmierung mit Ungleichheitsbeschränkungen; Die Qualifikation der Einschränkung muss sicherstellen, dass die Unregelmäßigkeiten am Rand des erlaubten Bereichs beseitigt werden, damit die Karush-Kuhn-Tucker-Bedingungen gültig sind.87 Weitere Erläuterungen zu den Lösungen nichtlinearer Optimierungsprobleme finden sich beispielsweise bei Baron (Sahinidis und Tawarmalani 2005) können dieses Problem lindern, indem iterativ der gesamte Lösungsraum nach dem globalen Optimum durchsucht wird.
K ONTROLLTHEORIE – K ONTROLLPROBLEM
- Allgemeine Formulierung des Kontrollproblems
- Diskrete Formulierung des Kontrollproblems
Die Summe aller zukünftigen Wertströme pro Periode wird unter der Zusatzbedingung der Differenzengleichung maximiert, die die Änderung der Zustandsgrößen von Periode zu Periode diskret beschreibt.93. Innerhalb des Beobachtungshorizonts T wird die Summe der Funktionswerte der Wertfunktion V(·) und des Endwerts der Ressource maximiert. Der Zustand der Ressource beginnt mit dem Wert a und ändert sich von Periode zu Periode mit dem Funktionswert der Bewegungsgleichung f(·).
A UFBAU DES ÖKONOMISCHEN E NTSCHEIDUNGSMODELLS
Ü BERSICHT ÜBER DAS ÖKONOMISCHE E NTSCHEIDUNGSMODELL
Die Investitionskosten für Tierhaltung (und Nutzpflanzen) werden im Modell den jährlichen Betriebskosten zugeordnet. Wir haben für die kurzfristige Optimierung einen einjährigen Planungshorizont gewählt, um den Unterschied zum Managementtheorie-Ansatz hervorzuheben. Die Annahmen des Modells hinsichtlich der Art und Höhe der Diskontierung werden in der Literatur ausführlich diskutiert; und dieser Herr-.
F ORMALER M ODELLAUFBAU
S PEZIFISCHE A SPEKTE DER MODELLTECHNISCHEN U MSETZUNG
H ERLEITUNG VON M ODELLBETRIEBEN AUS DER S TRUKTURANALYSE UND DEN
P HOSPHORVERLUSTE UND S EEDYNAMIK
- Entwicklung der Phosphorkonzentration im See
- Begrenzung des Phosphorgehaltes im Seewasser
- Umsetzung der Phosphorziele im OEM
- Massnahmen zur Limitierung der Eutrophierung des Sees
N ITRATVERLUSTE UND G RUNDWASSERDYNAMIK
- Übersicht
- Nitratproblematik im Einzugsgebiet des Baldeggersees
- Modell der Grundwasser- und Nitratdynamik
A NNAHMEN ZU K OSTEN UND P REISEN
V ORBEMERKUNGEN ZUR I NTERPRETATION DER R ESULTATE
A USSAGEKRAFT DER R ESULTATE DES ÖKONOMISCHEN M ODELLTEILS
Z IELFUNKTIONSWERT
R ESULTATE DER DUALEN L ÖSUNG (S CHATTENPREISE , REDUZIERTE K OSTEN )
V ERLUST VON LÖSLICHEM P HOSPHOR AUF DEM F ELD
A NBAUVERFAHREN - B ODENBEARBEITUNG
N ITRATVERLUSTE IN DAS G RUNDWASSER
M ODELLIERUNGSTOOL AIMMS
P RINZIP DER D ARSTELLUNG DER S IMULATIONEN (F ÄLLE )
R EFERENZSIMULATIONEN (??_R EF _AV20_T#)
A KTIVE R ESTRIKTIONEN IN DEN R EFERENZFÄLLEN
S IMULATIONSRESULTATE FÜR DIE R EFERENZFÄLLE
- Betriebstyp 1: „Kleiner Grünlandbetrieb“ (??_Ref_AV20_T1; Böden 1, 9, 11, 12)
- Betriebstyp 2: „Ökologisch orientierter Betrieb“ (??_Ref_AV20_T2; Böden 1, 7 10,
- Betriebstyp 3: „Raufutter betonter Betrieb“ (??_Ref_AV20_T3; Böden 1, 4, 5)
- Betriebstyp 4: „Viehwirtschaft mit Ackerbau“ (??_Ref_AV20_T4; Böden 2, 3, 4, 6)
- Betriebstyp 5: „Intensive Schweinehaltung“ (??_Ref_AV20_T5; Böden 1, 4, 9) .220
- Betriebstyp 7: „Regionsbetrieb“ (??_Ref_AV20_T7, Böden 1, 2, 3, 4, 5, 6, 7, 9, 10,
S ENSITIVITÄT DER R ESULTATE AUF DIE V ARIATION AUSGEWÄHLTER P ARAMETER UND
E INFLUSS DES A H -H ORIZONT AUF DIE S IMULATIONSRESULTATE
V ARIATION DES A RBEITSVERDIENSTES (??_R EF _AV##_T7)
V ARIATION DER D ISKONTIERUNG
V ARIATION DER N-D ÜNGUNGSNORM (??_N.N ORM .##_AV20_T7)
R ESTRIKTIVERE GVE-B ESATZ -L IMITE (LF_R EF . GVE ##_AV20_T7)
B EGRENZUNG DER P-V ERLUSTE AN DER B ETRIEBSGRENZE
B EGRENZUNG DER N ÄHRSTOFFE IM S EE (LF_P.S EE .GVE.30 MG .20 J _AV20_T7)
B ODENTYPEN
D ATEN ZUM EPIC S ETUP
A USGEWÄHLTE S IMULATIONSRESULTATE FÜR DAS B ALDEGGERSEEGEBIET
K OSTEN UND P REISE
