Met maïs en sojabonen als proeftuin, onderzoekers van het Pacific Northwest National Laboratory bedachten methoden om te kijken naar de mechanismen die de variabiliteit van de gewasopbrengst moduleren. Ze gebruikten statistische modellen om te onderzoeken hoe klimaatvariabiliteit de opbrengsten van deze populaire bio-energiegewassen op provinciaal niveau beïnvloedt. Onder klimaatfactoren, het team toonde aan dat de temperatuur overheersend is in de provincies waar maïs wordt verbouwd, zowel in volume als percentage van de productie. Neerslag heeft een vergelijkbaar effect. De hoeveelheid energie van de zon, of straling, heeft een veel kleiner effect in de hele VS op zowel sojabonen als maïs.

Om de impact van managementpraktijken te begrijpen, het onderzoeksteam ontwierp en voerde numerieke modellen uit om te onthullen hoe irrigatie en bemesting de variabiliteit van de gewasopbrengst beïnvloeden. Gemiddeld over de VS, bemesting heeft een grotere impact dan irrigatie. Het werk toonde aan dat het dynamisch bepalen van bemestingstijdstip en -snelheden in hun modellen het voorspellende vermogen voor opbrengsten van beide gewassen aanzienlijk kan verbeteren.

Gewasproducenten werken eraan hun spel te verbeteren om te voldoen aan een toenemende vraag naar energie en voedselproductie voor meer welvarende en groeiende bevolkingsgroepen. Nog, zoals elke boer zal beamen, zelfs de beste landbouwpraktijken kunnen ongedaan worden gemaakt door een hittegolf of andere verwoestende weersomstandigheden. Inzicht in de relatieve rol van klimaatvariabiliteit en landbouwpraktijken zoals irrigatie en bemesting is belangrijk voor het waarborgen van landbouw- en energieduurzaamheid.

"Onze gegevensgestuurde analyse onthulde de dominante klimaatfactoren bij het reguleren van de variabiliteit van de opbrengst van maïs en sojabonen op provincieschaal voor de VS, " zei dr. Maoyi Huang, corresponderende auteur en klimaatmodelleur bij PNNL, "wat ons hielp om historische variaties in gewasopbrengsten beter te begrijpen."

"Op basis van waarnemingen uit verschillende bronnen, we hebben de prestaties van het procesgebaseerde model verbeterd en het belang aangetoond van het opnemen van bemestingsbenaderingen bij het simuleren van gewasopbrengsten, " zei Huang.

Het team analyseerde de opbrengsten van maïs en sojabonen op provinciaal niveau, twee populaire bio-energiegewassen, met behulp van onderzoeksgegevens van het Amerikaanse ministerie van landbouw (USDA) en het waargenomen klimaat. Hun doel was om te begrijpen hoe het groeiseizoen (juni, juli en augustus) gemiddelde temperatuur (T), neerslag (P), en straling (R) beïnvloeden de gewasopbrengsten samen en afzonderlijk op provinciale schaal. In hun analyses ze verwijderden de covariabiliteit onder T, P, en R om de effecten van elke afzonderlijke klimaatfactor op gewasopbrengsten te onderzoeken. Op basis van de relatieve bijdragen van deze verschillende klimaatvariabelen aan de variabiliteit van gewasopbrengsten, ze construeerden ruimtelijke kaarten van de dominante klimaatfactoren.

Het team gebruikte ook modellen om de rol van landbouwmanagement op de gewasopbrengst te begrijpen. Met behulp van het Community Land Model over de aangrenzende Verenigde Staten, ze ontdekten dat irrigatie beperkte effecten heeft op de gewasopbrengsten in vergelijking met bemesting. Uit dit onderzoek is het team stelde een prognostische bemestingsmethode voor door dynamisch de bevruchtingstijd en -snelheden in het model te bepalen. Ze toonden aan dat de nieuwe methode effectiever is dan de traditionele benadering voor het verbeteren van de modelprestaties op provinciale schaal.

"Door geobserveerde informatie te synthetiseren uit bronnen zoals het Amerikaanse ministerie van landbouw en US Geological Survey, onze verbeterde op proces- en observatie gebaseerde modellen kunnen ons helpen de onderliggende mechanismen achter de variabiliteit van gewasopbrengsten op Amerikaanse schaal te begrijpen, " zei hoofdauteur Dr. Guyong Leng, een statistische en numerieke modelleur bij PNNL.

De auteurs zullen bekijken hoe klimaatgebeurtenissen zoals droogtes/overstromingen en hittegolven/koude periodes zich in de toekomst zullen ontwikkelen en voorspellen hoe de gewasopbrengsten hierop kunnen reageren. Ze zullen modelleringsbenaderingen integreren met andere analytische en modeltools in een multischaalmodel voor meerdere sectoren om te evalueren hoe ecosystemen, hydrologie, en sociaal-economische beslissingen zullen mee evolueren in een veranderend klimaat.