Analyse von Anpassungsmaßnahmen mit dem prozessbasiertem Pflanzenwachstumsmodell EPIC
Wir simulierten mit einem pflanzenbaulichen prozessbasierten Modell namens EPIC, um das Anpassungspotenzial verschiedener Bewirtschaftungsstrategien einschließlich Anbaukalenderoptionen und Bewässerungsanteilen basierend auf der Feldkapazität unter drei Klimaszenarien (RCP 2.6, RCP 4.5 und RCP 8.5) zu testen. Neben NELS umfasste die Simulation auch sieben Landkreise in Südniedersachsen (SLS). Das Hauptziel war es, den Einfluss der Bewässerung und des Erntekalenders auf den Silomaisertrag und den Wasserhaushalt zu bewerten.
Eine Einschränkung dieses Rahmens ist die Verwendung von nur einem Klimamodell, das nur eine theoretisch mögliche Trajektorie aufzeigt. Die Niederschlagsmengen für Harburg (in NELS) und Holzminden (in SLS) sind während der Vegetationsperiode um 7000 m3 geringer als in den übrigen Landkreisen, was die höheren Verluste erklärt.
Die folgenden Karten zeigen die Ertragsveränderung in Bezug auf die Erträge für den Zeitraum 1979-2018. Auf der linken Seite ist die nahe Zukunft (2035-2065) und rechts die ferne Zukunft (2070-2100) dargestellt.
Weizen Szenario RCP 8.5
Weizen 60% Feldkapazität Bewässerung und Pflanzung zwei Monate früher und gleiche Ernte
Abb. 3: Geografische Unterschiede im Winterweizenertrag bei Anwendung von 60 % der Feldkapazität Wassermenge
Mais Szenario RCP 8.5
Mais 60% Feldkapazität Bewässerung und Pflanzung zwei Monate früher und gleiche Erntesting
Abb. 4: Geografische Maisertragsunterschiede bei Anwendung von 60 % der Feldkapazität Wassermenge
Mais und Winterweizen weisen unter der gleichen Bewirtschaftungskombination für beide Zukunftsperioden für RCP 8.5 unterschiedliche Verhaltensweisen auf. Das Modell berechnet die Anzahl der Tage, an denen die Pflanze aufgrund von Wassermangel oder Abweichungen von der optimalen Wachstumstemperatur gestresst ist. Die Abbildungen 5 und 6 zeigen, welche dieser beiden Arten von Stress die Entwicklung der Pflanzen maßgeblich beeinflussen. Im Fall von Mais ist zu beobachten, dass Wasserstress eine größere Rolle spielt. Daher kann eine Bewässerung diese negativen Auswirkungen abmildern. Andererseits ist Weizen im Vergleich zum Wasserstress stärker von Temperaturstress betroffen. Die Anpassung seines Erntekalenders reicht nicht aus, um Ertragsverluste zu vermeiden, insbesondere für die Jahre 2070-2100, in denen der Wasserstress ebenfalls leicht zunimmt.
Abb. 5: Stresstage für Mais. Die blaue Linie stellt den Stress durch Wassermangel und die rote Linie durch die Temperatur dar. Die linke Seite zeigt die Stressentwicklung für die nahe Zukunft, die rechte Seite für die ferne Zukunft.
Abb. 6: Stresstage für Weizen. Die blaue Linie stellt den Stress durch Wassermangel und die rote Linie durch die Temperatur dar. Die linke Seite zeigt die Stressentwicklung für die nahe Zukunft, die rechte Seite für die ferne Zukunft.
Von Experten begutachtete wissenschaftliche Arbeiten:
- Egerer, S., Fajardo, A., Peichl, M., Rakovec, O., Samaniego, L., Schneider, U.: Limited potential of irrigation to prevent potato yield losses in Northern Germany under climate change (in preparation)
- Valencia Cortera, R., Egerer, S., and Máñez Costa, M.: Drought and water management under climate change in the German agricultural sector - a participatory system dynamics approach, Mitigation and Adaptation Strategies for Global Change (under review)
- Fajardo A. C., Egerer, S., Rasche, S., Doro, L., and Schneider, U.: Evaluating the viability of soybeans cultivation as an adaptation measure to climate change in Lower Saxony using EPIC, Science of the Total Environment (under review)
- Fajardo A. C., Egerer, S., Rasche, S., Doro, L., and Schneider, U.: Co-application of crop calendars and irrigation restricted potential in winter wheat and corn yield development under future climate: Case Study in Northern Germany (in preparation)
- Egerer, S., Valencia Cotera, R., Celliers, L., and Máñez Costa, M. (2021): A leverage points analysis of a qualitative system dynamics model for climate change adaptation in agriculture, Agricultural Systems, 189, 103052, https://doi.org/10.1016/j.agsy.2021.103052