Unsere Experten sprechen darüber: Vorhersagen mit Sencrop

Die Wetterbedingungen und -vorhersagen spielen eine Schlüsselrolle bei der Entscheidungsfindung im Verlauf der Saison. Sind die Bedingungen zum Pflügen und Säen gut? Besteht ein Risiko für Krankheiten oder Schädlinge? Wann sollte ich Pflanzenschutzmittel ausbringen, um maximale Wirksamkeit und Schutz zu gewährleisten? Wann müssen meine Pflanzen bewässert werden? Die Wetterdaten leiten jede Ihrer Entscheidungen und haben einen entscheidenden Einfluss auf Ihre Erträge.

Sie benötigen sowohl genaue, lokale Wetteraufzeichnungen als auch zuverlässige Wettervorhersagen, um Ihre wetterbezogenen Entscheidungen zu optimieren. Konzentrieren wir uns hier auf die Prognosedaten.

Die Integration von Vorhersagemodellen

Wettervorhersagemodelle sind leistungsfähige Werkzeuge, die die von verschiedenen Quellen – Wetterstationen, Satelliten, Radar, Wetterballons, Flugzeugen und Schiffen – gesammelten Daten verfolgen und in Wettervorhersagen umwandeln.

Es stehen Ihnen viele verschiedene Vorhersageseiten und -modelle zur Verfügung, die oft unterschiedliche Informationen liefern und Ihre Entscheidungsfindung manchmal kompliziert machen.

Die Leistung eines Modells hängt von den Parametern ab, auf die es optimiert wurde, und es ist bekannt, dass es für ein Modell unmöglich ist, in allen Situationen und Parametern genau zu sein. Jedes Modell hat daher seine Vorteile und Grenzen. Ihre Zuverlässigkeit kann je nach Region, Messung oder auch Zeithorizont variieren. Beispielsweise kann ein Modell sehr genau sein, um die Durchschnittstemperatur einer Region vorherzusagen, aber weniger leistungsfähig, um Nachtfrostperioden zu antizipieren.

Sencrop integriert etwa zwanzig Wettermodelle, die von den Hauptakteuren des landwirtschaftlichen Wetters verwendet werden. Dazu gehören GFS, ICON, Arome und Arpege. Sie können sich diese verschiedenen Modelle ansehen und sie mithilfe unseres Modellvergleichs auf einen Blick miteinander vergleichen.

Die Analyse der Vorhersagedaten durch Sencrop

Abgesehen davon, wie ein Wettervorhersagemodell aufgebaut ist, interessiert uns, wie relevant und genau die Informationen sind, die sie liefern.

Bei Sencrop analysieren wir die Daten unserer Stationen und die von den Wettermodellen vorhergesagten Daten, um den statistischen Fehler zwischen den beobachteten Werten und den Vorhersagen zu berechnen und Informationen über die Leistung jedes Modells, an jeder Station, zu erhalten. Dafür profitieren wir immens von unserem großen Aufgebot an Stationen.

Heute umfasst unser Netzwerk mehr als 35.000 vernetzte Wetterstationen, die uns einen umfassenden und genauen Überblick über die Wetterdaten im Land geben. Dies ist das größte Netzwerk von Wetterstationen in Europa.

Jede Woche werden somit mehr als 7 Milliarden Wettervorhersagedaten und mehr als 21 Millionen Sencrop-Stundenaufzeichnungen analysiert. Durch die tägliche Analyse aller Modelle ist es uns möglich, die Leistung der Modelle aus der Distanz zu betrachten und ihre Genauigkeit zu bewerten.

Damit Sie leicht auf diese Informationen zugreifen können, bieten wir Ihnen in der Sencrop-App eine Rangliste der Modelle nach Zuverlässigkeit und Parameter. Diese Rangliste ist individuell für Ihren Standort.

Der Algorithmus der Sencrop-Vorhersagen

Wir gehen noch einen Schritt weiter und bieten Ihnen eine automatische und kontinuierliche Zusammenstellung der zuverlässigsten Modelle für Ihren Standort und für jeden Wetterdatensatz. Was ist das Ziel? Die Art und Weise, wie Sie Vorhersagedaten konsumieren, zu vereinfachen und es Ihnen zu ermöglichen, immer einfach und schnell auf die zuverlässigsten Vorhersagen zuzugreifen, die möglich sind.

Wie funktioniert das? Wir führen eine Aggregation der zuvor vorgestellten Rankings durch. Wir wählen also die Top 1 in der Rangliste für jede Metrik (Temperatur, Niederschlag, Luftfeuchtigkeit, Wind) und für jeden Horizont aus. Der Horizont ist die Zeit, die zwischen der Vorhersage und der Beobachtung liegt, was uns ermöglicht, eine andere Rangliste zu erstellen und uns an die Schwierigkeit anzupassen, weit in die Zukunft zu prognostizieren.

Das in Ihren Sencrop-Vorhersagen verwendete Prognosemodell kann also für jede Metrik unterschiedlich sein. Und das Modell, das für dieselbe Metrik verwendet wird, kann für verschiedene Zeithorizonte unterschiedlich sein.

Dank dieser Visualisierung gewinnen unsere Nutzer durchschnittlich 15 % an Zuverlässigkeit bei ihren Prognosen, was nicht zu vernachlässigen ist, wenn man bedenkt, wie entscheidend das Wetter in der Landwirtschaft ist.

Es ist also wahrscheinlich, dass es je nach Ergebnis so viele Sencrop-Vorhersagen wie Stationen geben wird.

Natürlich bleibt das Wetter unvorhersehbar, aber mit Sencrop sparen Sie Zeit und gewinnen Zuversicht bei Ihren täglichen Entscheidungen.