Projekte in den Förderprogrammen des BMEL, betreut durch den Projektträger BLE (PT BLE)
Ergebnis der Suche
| Titel: | Verbundprojekt: FACCE JPI Knowledge Hub; Teilprojekt FORM B - CropM |
|---|---|
| Beschreibung (dt.): | Das Teilprojekt hat das Ziel ein Echtzeitmodell zur Vorhersage der Bewässerung von landwirtschaftlichen Nutzflächen in einem ersten Schritt voranzutreiben. Dazu wird das bereits vorhandene Vegetation/Boden Modell HYDRUS/SUCROS verwendet und ggf. angepasst und in einen Datenassimilierungsrahmen eingefügt. Für den Test dieses Datenassimilierungsrahmens wird auf bestehenden Daten aus anderen Arbeitsgruppen zurückgegriffen. Dabei ist besonders der Standort Merzenhausen zu nennen, da dort dichte Messreihen der oberflächennahen Bodenfeuchte, klimatischen Randbedingungen und der Evapotranspiration vorliegen. Des Weiteren liegen zeitlich punktuelle Messdaten zum LAI sowie zur Photosynthe und Transpiration aus Bestandes-Kammermessungen vor. Das Teilprojekt wird ein gekoppeltes hydrologisches und Pflanzenwachstumsmodell in einem Datenassimilierungsrahmen einbetten und anhand von bereits ermittelten Daten testen. |
| Ergebnis (dt.): | In 1. Schwerpunkt von Arbeitspaket von W3 ‚Skalierungsmethoden u. Modellkoppelung‘ von MACSUR1 wurde das vorhandene physikalisch basierte hydrologische und Kohlenstoffumsatzmodell SoilCO2 durch die Pflanzenwachstumsmodelle SUCROS für landwirtschaftliche Feldfrüchte und LINGRA für Grasland erweitert. Das so neue Modell AgroC wurde zunächst umfangreich auf zwei landwirtschaftlich genutzten Standorten mit Weizen- u. Zuckerrübenbestand als auch auf einem Grasland getestet und validiert. Die Validierung zeigte, dass die Wasser- u. Wärmeflussdynamik, die hetero- u. autotrophe Bodenatmung wie auch der Nettoökosystemaustausch gut reproduziert werden konnten. Auch wesentliche Pflanzenwachstumsparameter wie Gesamtbiomasse, Blattflächenindex u. Ertrag wurden zufriedenstellend modelliert. Ferner wurde das Modell für die Berechnung der Region NRW genutzt. Hierfür wurden Boden- u. Klimadaten in einer Auflösung von 10, 25, 50 und 100 qkm bereitgestellt, die höheren Auflösungen wurden aus der Datenaggregierung der niedrigsten Auflösung generiert. Für die Klimadaten wurde dabei der Mittelwert herangezogen, für die Bodendaten der dominante Bodentyp, zunächst der Effekt der Klimaaggregierung analysiert, dann der der Bodenaggegierung und danach die gleichzeitige Aggregierung von Klima- u. Bodendaten. Alle Modellläufe simulierten dabei eine Zeitreihe von 30 Jahren und 2 unterschiedliche Feldfrüchte – Silomais u. Winterweizen. Die Resultate der Modellierungsensemble aus 11 unterschiedlichen Pflanzenmodellen zeigten, dass der regionale Ertrag über alle Modelle unabhängig von der Auflösung der Input-Daten sehr gut prognostiziert werden konnte. Bei der Bodenaggregierung waren die Fehler jedoch stärker als für die Klimadatenaggregierung, damit spielt für großskalige Modellierungen des Ertrages die Bodenkomponente eine wesentliche Rolle. Beim Nettoökosystemaustausch (NEE) spielte die Inputaggregierung eine deutlich größere Rolle und stärkste Fehler wurden bei der 100 qkm-Auflösung gefunden. |
| Ergebnis (engl.): | Phase MACSUR1 reclined on two major topics within the HUB, mainly of work package W3 ‘Methods of scaling and model linking’. For the1st task the already existing physically based hydrological and carbon turnover model (SoilCO2) was extended by adding two crop growth models, namely SUCROS for agricultural crops and LINGRA for grassland. The new developed model (AgroC) was extensively tested on two different sites for wheat and sugar beets and one grassland site. The model data showed that AgroC is capable to describe the water and heat flow, heterotrophic and autotrophic respiration as well as net ecosystem exchange (NEE) with high accuracy. Additionally, crop growth parameters such as total biomass, LAI and yield also could be predicted well. In the 2nd task the AgroC model was used in MACSUR cross-cutting scaling activities, whereby the model was run for the selected model region of NRW. Hereby, climatic and soil input data were provided at different scale resolutions (1, 10, 25, 50, and 100 sq.km), whereby the higher scales were aggregated by mean for climatic inputs and by dominant soil type for soil data. In a 1st set of simulations the soil was aggregated, in the 2nd set the climate was aggregated, and in the 3rd set soil and climate was aggregated simultaneously. All model runs were performed for a time series of 30 years and maize or wheat monoculture. The results of a the model ensembles including 11 different crop models indicated that regional yield were reproduced by all models on average regardless of input data type and resolution. Aggregation errors for yield were found to be larger for aggregating soil data compared to climate data, indicating that the soil component plays a major role in crop yield prediction in the case study. For the net ecosystem exchange (NPP) data aggregation leads to larger changes with strongest impacts for the 100 sq.km resolution, indicating that lower resolution is mandatory if NPP has to be simulated on regional scales. |
| Laufzeit: | Beginn: 01.05.2013 / Ende: 30.06.2015 |
| Ausf. Einrichtung: | Forschungszentrum Jülich GmbH - Institut für Bio- und Geowissenschaften (IBG) - Agrosphäre (IBG-3), Jülich |
| Themenfelder: | Pflanzenbau, crop production |
| Förderprogramme: | EU-Forschung |
| Schlagworte: | Indikatoren, indicators, Wissenstransfer / Vernetzung, knowledge transfer, networking, Ackerbau, crop production, Qualitätsmanagement, quality management, Ernährungssicherung, food security, Betriebsplanung, management planning, Datensammlung, data collection, Integrierte Betriebssysteme, integrated production systems, Risikomanagement, risk management, Klimaanpassung, climate change adaptation |
| Stichpunkte: | An dem ERA-Net-Vorhaben "Agriculture, Food Security, and Climate Change Modelling European Agriculture with Climate Change for Food Security (FACCE-MACSUR 1. Phase 2012-2015) im Rahmen des FACCE Knowledge Hub sind u.a. drei Teilprojekte mit Förderung des BMEL beteiligt: 2812ERA115 (Universität Bonn), 2812ERA147 (ZALF) sowie 2812ERA159 (FZ Jülich) |
| Förderkennzeichen: | 2812ERA159 |
| Dokument zum Download: | MACSUR Phase 1 Final Report.pdf (1,4 MB) |
Kontakt: |
Benutzen Sie unser Kontaktformular
oder E-Mail an projekttraeger-agrarforschung@ble.de |
Erweiterte Suche
Hier gibt es die Möglichkeit, nach Stichworten, Themenfeldern, Projektstatus, Förderprogrammen, Laufzeiten und Einrichtungen zu suchen:
