Nitrogen in combination with Desmodium intortum effectively suppress Striga asiatica in a sorghum‒Desmodium intercropping system

It is well known that the parasitic weed Striga asiatica (L.) Kuntze can be suppressed by Striga-tolerant sorghum (Sorghum bicolor L. Moench) cultivars, Desmodium intortum (Mill.) Urb. (greanleaf desmodium), and by fertilization with nitrogen. The study objective was the assessment of Striga control provided by integration of Desmodium density, timing of sorghum-Desmodium intercrop establishment, and nitrogen fertilization. Growth responses and yield of three sorghum cultivars were measured in three pot experiments. A soil naturally infested with Striga was used, and that part of the soil which served as uninfested control was chemically sterilised. Striga numbers and growth were affected significantly by sorghum cultivars, sorghum-Desmodium intercrop ratios, timing of the sorghum-Desmodium association, as well as by their interactions. Desmodium caused 100% suppression of Striga emergence when Desmodium was established in the 1:3 sorghum-Desmodium ratio at seeding of sorghum. Total control of Striga was also achieved with the 1:1 sorghum-Desmodium ratio when Desmodium was transplanted 30 days before sorghum seeding. However, these two treatments also caused significant reductions in sorghum yield. In contrast, 100% Striga control and a dramatic increase in sorghum yield were achieved with 100 kg N ha^{-1} in the 1:1 sorghum-Desmodium intercrop. Compatibility of sorghum and Desmodium was evident at the 1:1 sorghum-Desmodium intercrop established at sorghum seeding. Overall, the Ethiopian cultivars Meko and Abshir showed better agronomic performance and higher tolerance to Striga than the South African cultivar PAN 8564. It is recommended that the N × Desmodium × sorghum interaction be investigated under field conditions.

Einsatz von rückgekoppelten mehrstufigen selbstorganisierenden Karten in der Windenergie Leistungsprognose

In dieser Arbeit wird ein Verfahren zum Einsatz neuronaler Netzwerke vorgestellt, das auf iterative Weise Klassifikation und Prognoseschritte mit dem Ziel kombiniert, bessere Ergebnisse der Prognose im Vergleich zu einer einmaligen hintereinander Ausführung dieser Schritte zu erreichen. Dieses Verfahren wird am Beispiel der Prognose der Windstromerzeugung abhängig von der Wettersituation erörtert. Eine Verbesserung wird in diesem Rahmen mit einzelnen Ausreißern erreicht. Verschiedene Aspekte werden in drei Kapiteln diskutiert: In Kapitel 1 werden die verwendeten Daten und ihre elektronische Verarbeitung vorgestellt. Die Daten bestehen zum einen aus Windleistungshochrechnungen für die Bundesrepublik Deutschland der Jahre 2011 und 2012, welche als Transparenzanforderung des Erneuerbaren Energiegesetzes durch die Übertragungsnetzbetreiber publiziert werden müssen. Zum anderen werden Wetterprognosen, die der Deutsche Wetterdienst im Rahmen der Grundversorgung kostenlos bereitstellt, verwendet. Kapitel 2 erläutert zwei aus der Literatur bekannte Verfahren - Online- und Batchalgorithmus - zum Training einer selbstorganisierenden Karte. Aus den dargelegten Verfahrenseigenschaften begründet sich die Wahl des Batchverfahrens für die in Kapitel 3 erläuterte Methode. Das in Kapitel 3 vorgestellte Verfahren hat im modellierten operativen Einsatz den gleichen Ablauf, wie eine Klassifikation mit anschließender klassenspezifischer Prognose. Bei dem Training des Verfahrens wird allerdings iterativ vorgegangen, indem im Anschluss an das Training der klassenspezifischen Prognose ermittelt wird, zu welcher Klasse der Klassifikation ein Eingabedatum gehören sollte, um mit den vorliegenden klassenspezifischen Prognosemodellen die höchste Prognosegüte zu erzielen. Die so gewonnene Einteilung der Eingaben kann genutzt werden, um wiederum eine neue Klassifikationsstufe zu trainieren, deren Klassen eine verbesserte klassenspezifisch Prognose ermöglichen.