Ur SLU:s kunskapsbank

Modeller för skördeberäkning testade över 30 år

Senast ändrad: 04 april 2024

Modeller gör det möjligt att förutsäga effekter av t ex väder, klimat och gödsling på jordbruket. I ett nyligen avslutat europeiskt forskningsprojekt testades flera mark-växt modeller på en region över en 30-årsperiod. Resultaten visar att indata på markegenskaper spelar en viktig roll och att en grövre rumslig upplösning kan ge fel i beräkningarna av t ex skörd och kväveutlakning.

Samspelet mellan klimat, markprocesser och grödors tillväxt är komplext och kan studeras i många olika rums- och tidsskalor. Bättre förståelse för hur variationer i väder och klimat påverkar mark-växt system ökar våra möjligheter att anpassa odlingsåtgärder för att optimera skördar och andra ekosystemtjänster. Dessutom kan vi samtidigt minimera oönskade effekter, som läckage av kväve från odlad mark.

Effekter av olika gödslings- och bearbetningsstrategier studeras i fältexperiment på olika platser, men fältexperimenten representerar endast ett litet urval av alla olika marktyper och väderbetingelser. Även om observations-serier från långliggande försök täcker upp till 15–20 år eller mer, är experimenten begränsade i både tid och rum.

Modeller tar bort begränsningar i tid och rum

I takt med datorteknikens utveckling har numeriska ”modellredskap” utvecklats som beskriver dynamiska flöden av t ex vatten och kväve i mark-växt-system som funktion av vädret. Mark-växt-modeller gör det möjligt att extrapolera resultat från experimentella studier över längre tidsperioder och till andra platser eller rumsliga skalor.

Under det senaste decenniet har intresset för fullt integrerade mark-växt modeller ökat, bland annat som en följd av samhällets behov att ta hänsyn till både avkastning och miljöeffekter, både över längre tidsperioder och i perspektiv av möjliga klimatförändringar. Beräkningar som avser större rumsliga skalor – t ex en region har också hamnat i fokus.

Europeiskt samarbete beräknar skörd

Inom ramen för ett nyligen avslutat europeiskt forskningssamarbete (JPI-FACCE-MACSUR-CropM) har vi undersökt betydelsen av den rumsliga upplösningen av indata för beräkningar av skörd på regional skala.

Under det här samarbetet jämförde vi 10 – 14 olika mark-växt-modeller med avseende på olika ut-variabler (skörd, biomassa, kol-förråd i marken mm) baserat på beräkningar över en 30-års period. Vi gjorde virtuella ”experiment i datorn” över trettio år och studerade hur skörden varierade mellan år. Vi tittade också på variationer mellan olika platser inom en region. Dessutom räknade vi på den regionala genomsnitts-skörden och hur resultaten skiljde sig åt (”uppskalningsfel”) om vi gav indata på klimat, markegenskaper och odlingsåtgärder med olika rumsupplösning (se figur 2 i bildspelet).

Uppskalningsfel i regionala beräkningar för nutidens och framtidens klimat

Våra resultat visar hur viktigt det är att ha bra indata på olika jordars egenskaper och utbredning för att kunna göra beräkningar i regional skala. Det är särskilt viktigt när effekter av extremväder ska beräknas. Vi kunde också visa att man bör använda flera modeller och inte förlita sig till en typ av modellkoncept för att göra tillförlitliga modellberäkningar. Resultaten visade även att uppskalningsfelet blev mindre för skördar och för avrinning än för kväveutlakning och markens kolförråd, som kräver mer detaljerade indata på markens egenskaper.
 
I vårt fortsatta arbete har vi tittat på flera klimatregioner och också gjort framtidsscenarier (2040-2070 och 2070-2100) för att undersöka hur det framtida klimatet kommer att påverka skördarna och hur vi ska använda modeller och indata på ett tillförlitligt sätt. Dessa resultat kommer vi att analysera och redovisa framöver.

Illustrationer och resultat av Elisabet Lewan, Elsa Coucheney, Ana Villa och Henrik Eckersten

Relaterade sidor:

Mer information om det europeiska samarbetet hittar du här:

https://www.macsur.eu/

Artiklar bakom resultaten

  • Coucheney E, Eckersten H, Jansson P-E, Gaiser T, Ewert F &  Lewan E. 2018. Key functional soil types explain data aggregation effects on simulated yield, soil carbon, drainage and nitrogen leaching at a regional scale. Geoderma, 318:167-181.
  • Grozs B et al. 2017. The implication of input data aggregation on up-scaling soil organic carbon changes. Environmental Modelling & Software, 96:361 -377.
  • Hoffmann H et al. 2016. Impact of Spatial Soil and Climate Input Data Aggregation on Regional Yield Simulations. PLoSONE 11(4): e0151782.doi:10.1371/journal.pone.0151782
  • Kuhnert M et al. 2017. Impact analysis of climate data aggregation at different spatial scales on simulated Net Primary Productivity for croplands. European J. of Agronomy, 88: 41 - 52.