Оценка изменчивости урожайности биоэнергетических культур в США по округам
Исследователи из Тихоокеанской северо-западной национальной лаборатории (PNNL) на примере кукурузы и сои разработали методы для выявления механизмов, влияющих на изменчивость урожайности. С помощью статистических моделей они проанализировали, как климатическая изменчивость влияет на урожай этих популярных биоэнергетических культур на уровне округов. Среди климатических факторов команда показала, что температура является преобладающей в округах, выращивающих кукурузу, как по объему, так и по проценту производства. Осадки оказывают схожее влияние. Количество энергии от солнца (радиация) имеет гораздо меньший эффект на общенациональном уровне для обеих культур.
Для понимания влияния методов управления исследователи провели численное моделирование, чтобы выявить, как орошение и внесение удобрений влияют на изменчивость урожайности. В среднем по США удобрения оказывают большее влияние, чем орошение. Работа продемонстрировала, что динамическое определение сроков и норм внесения удобрений в моделях может значительно улучшить прогностическую способность для урожайности обеих культур.
«Наш анализ, основанный на данных, выявил доминирующие климатические факторы, регулирующие изменчивость урожайности кукурузы и сои на уровне округов в США, — сказал доктор Маой Хуан, автор-корреспондент и климатический моделлер из PNNL, — что помогло нам лучше понять историческую изменчивость урожайности».
Команда проанализировала урожайность кукурузы и сои на уровне округов, используя данные обследований Министерства сельского хозяйства США (USDA) и наблюдаемый климат. Они оценили влияние средней температуры (T), осадков (P) и радиации (R) в течение вегетационного периода (июнь, июль, август) на урожайность как вместе, так и по отдельности. На основе относительного вклада этих переменных были построены пространственные карты доминирующих климатических факторов.
Используя Community Land Model для континентальной части США, команда также обнаружила, что орошение оказывает ограниченное влияние на урожайность по сравнению с удобрениями. Исследователи предложили прогностический метод удобрения, динамически определяющий сроки и нормы внесения в модели, и показали, что этот новый подход эффективнее традиционного для улучшения работы модели на уровне округов.