Optimale Versuchsplanung für Feldversuche in mehreren Umwelten

• Antragstellerin: Dr. Maryna Prus
• Fachliche Zuordnung: Pflanzenzüchtung, Pflanzenpathologie ; Mathematik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 533007746

Neue Sorten werden in Feldversuchen in mehreren Umwelten (MET) extensiv getestet, um zuverlässige empirische Grundlage für Sortenempfehlungen für Landwirte zu erhalten. Falls die Zielpopulation von Umwelten groß genug und heterogen ist, ist eine Aufteilung in Subregionen oft vorteilhaft. Bei der Planung solcher Versuche erhebt sich die Frage der Zuordnung der Feldversuche den Subregionen. Zu Lösung dieses Problems werden meistens lineare gemischte Modelle angenommen. Optimale Versuchspläne (optimale Zuordnungen der Feldversuche) werden für beste lineare unverszerrte Vorhersagen (BLUPs) für Genotypeffekte und ihre paarweise lineare Kontraste bestimmt. In diesem Projekt werden lineare gemischte Modelle mit korrelierten Genotypeffekten untersucht, die zudem Jahres- und / oder Umweltfaktoren miteinbeziehen können. Außerdem ist geplant unvollständige Block-Designs (alpha-Designs, Zeilen-Spalten-Pläne) neben randomisierten vollständigen Block-Designs zu berücksichtigen. Für den Fall dass Markerdaten verfügbar sind, werden Versuchspläne für MET für Sparse Testing untersucht. Sparse Testing bedeutet die Prüfung jedes Genotyps ausschließlich in einem Teil der Feldversuche. Dadurch wird die Erfassung der Marker-Umwelt-Interaktion in einer erhöhten Zahl von Umwelten ermöglicht, wodurch eine höhere Präzision der Schätzung von Markereffekten erreicht wird. Die Aufgabe der Versuchsplanung ist nun die Zuordnung der Genotypen zu den Prüfumwelten. Die linearen gemischten Modelle sind hier so kompliziert, dass die Designfragestellungen nicht trivial sind. In den Fällen, wo die daraus resultierenden Designkriterien keine Spezialfälle von bekannten Kriterien sind, werden neue Berechnungsmethoden für optimale Versuchsplanung entwickelt. Eine zugehörige Fragestellung in dieser Forschung ist die Ermittlung von optimalen oder hocheffizienten Designs, die unabhängig von oder mindestens unsensitiv bzgl. der Kovarianzmatrix der zufälligen Effekte sind. Zu Lösung dieses Problems wird ein Bayesianischer Ansatz benutzt. Außerdem werden das Minimax-Kriterium und / oder das Maximin-Efficiency-Kriterium untersucht, die dem "worst case" bezüglich der zugrundeliegenden Kriterien entsprechen.

• DFG-Verfahren: Sachbeihilfen