Wat de wereldwijde noodsituatie op het gebied van klimaat in petto heeft, kan van achtertuin tot achtertuin verschillen, vooral in de tropen waar microklimaten, geografie en landgebruikspraktijken verschuiven dramatisch over kleine gebieden. Dit heeft grote gevolgen voor aanpassingsstrategieën op lokaal niveau en vereist betrouwbare, hoge resolutie gegevens over plausibele toekomstige klimaatscenario's.

Een dataset gemaakt door het International Centre for Tropical Agriculture (CIAT) en collega's vult deze niche. In de eerste plaats bedoeld om beleidsmakers te helpen bij het ontwikkelen van adaptatiestrategieën voor kleine boeren over de hele wereld, de open-access dataset is gebruikt in 350 onderzoekspapers. Gebruikers in ten minste 186 landen hebben bijna 400 gedownload, 000 bestanden uit de dataset sinds het online ging in 2013.

Een volledige beschrijving, beoordeling en validatie van de dataset, inclusief hoe het is gebouwd, werd gepubliceerd op 20 januari in Wetenschappelijke gegevens , een open access publicatie van Natuur voor de beschrijving van wetenschappelijk waardevolle datasets.

"Klimaatmodellen zijn complexe representaties van het aardsysteem, maar ze zijn niet perfect, " zei Julian Ramirez-Villegas, de hoofdonderzoeker van het project en een wetenschapper bij CIAT en het CGIAR Research Platform on Climate Change, Landbouw en voedselzekerheid (CCAFS). "Deze fouten kunnen een impact hebben op onze landbouwmodellen. Omdat deze modellen ons helpen bij het nemen van beslissingen, dit kan ernstige gevolgen hebben."

Hoewel de gegevens voornamelijk landbouwkundig onderzoek hebben gediend, het is ook gebruikt om de mogelijke wereldwijde verspreiding van Zika (een door muggen overgedragen ziekte) in kaart te brengen, om investeringsstrategieën voor internationale ontwikkeling te plannen, en om de aanhoudende afname van buitenschaatsdagen in Canada als gevolg van warmere winters te voorspellen.

"Het gebruik en de toepasbaarheid van deze gegevens zijn erg uitgebreid en actueel vrij breed, "zei Ramirez-Villegas. "Natuurlijk, een groot deel van de studies is gedaan naar gewassen die essentieel zijn voor de wereldwijde voedselzekerheid en inkomens, zoals rijst, koffie, cacao, maïs, en anderen."

Klimaateffecten lokaliseren

Projecties van klimaatverandering zijn doorgaans beschikbaar op grove schaal, variërend van 70-400 km. Maar voor modellen voor de impact van klimaatverandering voor veel agrarische plantenrassen zijn gegevens op kleinere schaal nodig. De onderzoekers gebruikten technieken om de ruimtelijke resolutie te verhogen (een proces dat bekend staat als downscaling) en om fouten te corrigeren (een proces dat bekend staat als bias-correctie) om toekomstige klimaatgegevens met hoge resolutie voor 436 scenario's te creëren.

"Dit is een essentiële hulpbron voor het realistischer modelleren van de toekomst van gewassen en ecosystemen, " zei Carlos Navarro, de hoofdauteur van de studie die is aangesloten bij CIAT en CCAFS.

Voor een gegeven emissietraject en toekomstige periode, elk scenario bevat maandelijkse informatie voor gemiddelde en extreme temperaturen, regenval, en 19 andere gerelateerde variabelen. De gegevens zijn openbaar beschikbaar in het World Data Center for Climate en het CCAFS-Climate dataportaal.

"Door deze scenario's wij kunnen begrijpen, bijvoorbeeld, hoe de landbouwproductiviteit zou kunnen evolueren als de wereld doorgaat op het huidige traject van broeikasgasemissies, "zei Navarro. "Ze leveren ook de gegevens om te modelleren welke soorten aanpassingen het beste eventuele negatieve effecten van klimaatverandering kunnen tegengaan."

Globale en regionale modellen analyseren klimaatomstandigheden op grovere schaal en vereenvoudigen natuurlijke processen, resultaten opleveren die kunnen afwijken van realistische scenario's.

De dataset is de grootste Findable Accessible Interoperable Reusable (FAIR) database van CGIAR. Het onderstreept ook de rol van CGIAR in big data voor ontwikkeling, via haar Platform voor Big Data in de landbouw. De dataset is momenteel opgenomen in het Global Agriculture Research Data Innovation and Acceleration Network (GARDIAN).

De schaal met hoge resolutie van deze gegevens is nuttig voor wetenschappers, beleidsmakers, NGO's en investeerders, omdat het hen kan helpen de lokale gevolgen van klimaatverandering te begrijpen en daarom betere weddenschappen te kunnen sluiten op aanpassingsmaatregelen, welke plannen specifiek gericht kunnen zijn op stroomgebieden, regio's gemeenten of landen.