Sich ändernde Klima- und Wetterbedingungen in Verbindung mit einer begrenzt ausdehnbaren Ackerfläche werden den Druck auf Nahrungsmittelproduktionssysteme weiter erhöhen. Um dieser Herausforderung gerecht zu werden, ist eine Erhöhung und Stabilisierung der Ernteerträge unverzichtbar. Dies erfordert aber ein tieferes Verständnis der Einflussfaktoren, die auf die Ertragsvariabilität wirken. Diese Dissertation leistet einen Forschungsbeitrag zu Ertragsmodellen in Deutschland, Tansania und auf globaler Ebene. Dazu analysiere und kombiniere ich statistische und prozessbasierte Ertragsmodelle in fünf Schritten: (i) Zunächst entwickele ich einen statistischen Modellansatz, um den Einfluss von Wetter und agronomischem Management auf Winterweizenerträge in Deutschland zu separieren. (ii) Auf der Grundlage dieses Modells erweitere ich die statistischen Methoden und wende sie für Winterweizen und Silomais auf regionale Ebene an. (iii) Diesen erweiterten Modellansatz verwende ich daraufhin zum Testen einer Kreuz-Validierung um zukünftige Ertragsänderungen unter Klimawandel zu projizieren. (iv) Anschließend wird in einer globalen statistischen Anwendung dieses Modell für kurzfristige Ertragsprognosen getestet. (v) Schließlich kombiniere ich für das Fallbeispiel Mais in Tansania statistische und prozessbasierte Ertragsmodelle, um wetterbedingte Ertragsverluste von nicht-wetterbedingten Ertragsverlusten zu separieren. Als Ergebnis lässt sich zusammenfassen, dass der Anteil der wetterbedingten Ertragsvariabilität in Deutschland höher ist als in Tansania. Dementsprechend sind die Ertragsschwankungen in Tansania eher auf das agronomische Management und sozioökonomische Einflüsse zurückzuführen. Für beide Länder stelle ich fest, dass der Anteil der wetterbedingte Ertragsvariabilität auf aggregierter Ebene höher ist als auf regionaler Ebene. Der kombinierte statistisch-prozessbasierte Ansatz zur Bewertung von wetterbedingten Ertragsverlusten kann für Versicherungszwecke genutzt werden. / Due to changing climate and weather patterns in combination with limitations to extend global arable land area, the pressure on food production systems will increase. To cope with this challenge, it will be indispensable to increase and stabilize crop yields. This requires, however, a deeper understanding of the factors influencing crop yield variability. This dissertation contributes to that research need as I further develop and apply crop models to assess regional wheat and maize yield variability in Germany, Tanzania and on a global scale. For this, I analyze and combine statistical and process-based crop models within five steps: (i) First, I develop a statistical crop modeling approach to decompose the influence of weather and agronomic management on winter wheat yields in Germany. (ii) Based on the first step, I expand the statistical methods and apply augmented models for winter wheat and silage maize on a disaggregated level. (iii) Then this model approach is used to investigate an out-of-sample cross validation to demonstrate the models’ capability to project future yield changes under climate change. (iv) In a global statistical application, this models’ capability of projecting yields is tested for short-term yield forecasts. (v) Finally, I combine statistical and process-based crop modeling to decompose weather-related maize yield losses from losses caused by non-weather factors for the case of Tanzania. Across these five steps, I find that the share of weather-related yield variability is higher in Germany than in Tanzania. Accordingly, crop yield variability in Tanzania is to a higher share attributable to agronomic management and socio-economic influences. For both countries, I find that the share of explained weather-related yield variability is higher on an aggregated level than on the regional level. Finally, this combined statistical-process-based approach can be used for assessing weather-related crop yield losses for insurance purposes.

Beim Parameter „Druscheignung“ eines Bestandes wird gemeinhin angenommen, dass dieses Kriterium durch die Genetik der Sorte und den Witterungsverlauf, weitgehend unbeeinflusst von Landwirt, festgelegt ist. Und dennoch verändert der Landwirt mit all seinen Entscheidungen von der Auswahl der Sorten, über die Düngung, den Pflanzenschutz bis hin zum Erntemanagement die Druscheignung stetig. Zur Ernte, als letzten Abschnitt der Verfahrenskette, entfaltet die Druscheignung dann außerordentlich große ökonomische Auswirkungen. Anhand verschiedener Beispiele aus Züchtung, Pflanzenernährung, Pflanzenschutz und Erntetechnologie wurde dargestellt, wie auf die Druscheignung Einfluss genommen werden kann und wie diese Auswirkungen monetär zu bewerten sind. Aus dem Bereich der Züchtung wurde die Entwicklung eines neuen Wuchstyps bei den Rapshalbzwergen ausgewählt, der mit weniger Biomasse konkurrenzfähige Erträge erzielt. Die Abreife ist einheitlicher, der Erntetermin kann problemloser fixiert werden, der Drusch ist leistungsstark und verlustarm. Späte und intensiv geführte Sorten sind mit Hilfe einer Sikkation zeitlich früher und leichter zu beernten. Das schafft Erntesicherheit bei geringeren Verlusten, höheren Mähdrescherleistungen und sinkendem Kraftstoffverbrauch. Die bedarfsgerechte Ausbringung des Stickstoffs in Art, Menge und Zeit, entsprechend der kleinräumigen Heterogenität eines Schlages, führt zu einer Homogenisierung der Bestände. Die Bestände reifen gleichmäßiger ab und führen zu etwa 20 Prozent höherer Mähdrescherleistung sowie geringerem Kraftstoffverbrauch. Am Beispiel des Hochschnitts wurde verdeutlicht, wie sich die bessere Beerntbarkeit auf Maschinenkosten, Gesamternteverluste, Qualität und Trocknung auswirkt. Hebt man die Stoppellänge um 10 Zentimeter an, lässt sich die Mähdrescherleistung um ca. 15 bis 20 Prozent steigern. Diese Beispiele unterstreichen zugleich die Forderung, dass die Druscheignung nicht erst zur Ernte diese Führungsrolle übernimmt, sondern auch in den vorgelagerten Verfahrensabschnitten als ein starkes Entscheidungskriterium gelten muss. / The parameter “threshability” of a stand is commonly assumed to be a criterion defined by the genetics of the strain and the weather conditions which is mainly not influenced by the farmer. Nevertheless, the farmer continuously changes the “threshability” with all his decisions, from the selection of the strains, via the use of fertilizers to the harvest management. For harvest, as the last stage of the process chain, the threshability develops extraordinarily high economic effects. On the basis of several examples from cultivation, plant nutrition, plant protection and harvest technology it was described, how the threshability can be influenced and how this effect is to be assessed monetarily. In the field of cultivation, the development of a new growth type of semi-dwarf rape has been selected, which yields competitive returns with less bio mass. Ripeness is more homogeneous, the harvest date can be fixed without problems, threshing is efficient and with low loss. Using the method of siccation, late and intensively controlled strains can be harvested earlier and easier. This offers harvest safety with low loss, higher combine harvester performance and reduced fuel consumption.The need-based spreading of nitrogen referring to type, quantity and time according to the small-scale spatial heterogeneity of a field leads to a homogenisation of the stands. The stands ripen more evenly and this fact causes about 20 percent higher combine harvester performance, as well as reduced fuel consumption. Using the example of high-cut top harvest it was clarified how the better harvestability influences the machine costs, the total harvest losses, the quality, and the drying process. If the length of the stubbles is extended by 10 centimetres, the combine harvester performance can be increased by 15 to 20 percent. These examples also emphasize the requirement that the threshability does not just take over the leading role for the harvest but has also to be considered as a strong decision criterion within the prior stages of the process.