Как океан диктует урожай травы ✛ ✎

Оригинал: "Influence of climate variability on the potential forage production of a mown permanent grassland in the French Massif Central"
arXiv:2401.14053 · 2024-01-25 · CC BY-NC-ND 4.0 · собственный разбор · 3 мин
Модель пастбища в Центральном массиве Франции показала, что температуру океана можно использовать для прогноза кормов за несколько месяцев.

Контекст

Климатические сервисы для сельского хозяйства обычно предсказывают урожай зерновых, но пастбища остаются в стороне. В Центральном массиве Франции, где луга занимают до 60% сельхозземель и кормят молочное животноводство, неопределённость с кормами бьёт по экономике. Работа стоит особняком: соседние статьи в архиве касаются прогноза погоды, климатических качелей Марса или распространения видов, но никто не связывал океанические телесвязи с урожаем травы в Европе. Авторы заполняют этот пробел, опираясь на длинный ряд моделирования, а не на короткие наблюдения.

Методы

Использовали биогеохимическую модель пастбища PaSim, которую кормили почасовыми метеоданными из реанализа SAFRAN за 57 лет. Моделировали разные режимы укосов: от одного до трёх, с орошением и без, а также «оптимальное управление», имитирующее практику фермеров. Урожайность считали потенциальной, то есть без вредителей и болезней, чтобы выделить чистый климатический сигнал. Затем искали корреляции между аномалиями урожая и индексами крупномасштабной циркуляции: NAO, Эль-Ниньо, температурой Средиземного моря и тропической Атлантики. Для прогноза строили пошаговую множественную регрессию с перекрёстной проверкой, оставляя по одному году для теста.

Результаты

Смоделированный урожай вырос на 29% между периодами 1959–1979 и 1995–2015 годов, что согласуется с потеплением, ростом CO2 и увеличением солнечной радиации. На межгодовом масштабе продуктивность сильнее всего зависела от радиации и температуры, а осадки имели слабый отрицательный эффект из-за и без того влажного климата. Обнаружены устойчивые связи с температурой Средиземного моря в феврале и сентябре, а для сценария с тремя укосами также с тропической Атлантикой с сентября предыдущего года по январь и с Эль-Ниньо в мае-июне. Прогностическая модель для трёх укосов дала корреляцию 0.55 (p<0.01), среднеквадратичную ошибку 14.6% и 71.43% попаданий в категорию «выше/ниже среднего» при базовой вероятности 50%. Для оптимального управления показатели были скромнее: корреляция 0.41, ошибка 17.6%, попадания 67.86%.

Значение

Это первое модельное доказательство того, что крупномасштабные океанические аномалии могут управлять урожаем травы в Европе. В отличие от соседних работ, которые либо описывают погоду, либо климат Марса, здесь впервые строится мост от температуры океана к конкретному агроэкосистемному показателю. Результат даёт основу для сезонного прогнозирования кормов, что может изменить планирование в животноводстве. Однако связи нестационарны: предсказательная сила Эль-Ниньо менялась по десятилетиям, что требует осторожности при использовании.

Развитие

Тема может развиваться в сторону оперативных систем прогноза для всей Европы на основе распределённого моделирования пастбищ. Потребуется проверка на реальных данных, включение выпаса, а не только укосов, и учёт нестационарности телесвязей. Возможно объединение с дистанционным зондированием и экономическими моделями ферм для полного цикла поддержки решений.

Влияние

Результаты повлияют на климатические сервисы для сельского хозяйства, управление рисками в животноводстве, страхование и государственное планирование продовольственной безопасности.

Следующие шаги

Валидация модели на наблюдаемых урожаях в Лакёй и других европейских лугах, а также расширение на сценарии выпаса и региональный масштаб.

Ключевые проблемы

Для агрометеорологии остаётся открытым вопрос нестационарности связей между климатическими индексами и урожаем: предсказательная сила может исчезать на десятилетия. Также не решена проблема перехода от потенциальной продуктивности к фактической, где вмешиваются вредители, болезни и управленческие решения.

Взгляд машины знаний

Этот раздел адресован автору работы и его коллегам. Соседние работы нашёл смысловой поиск по нашему архиву — не по совпадению слов, а по смыслу. Мы не рецензируем: мы показываем поле вокруг.

Что сделано в работе

Работа моделирует продуктивность постоянного луга в Лакёй (Франция) за 57 лет с помощью биогеохимической модели PaSim, используя метеоданные SAFRAN, чтобы выделить чисто климатический сигнал урожайности. Затем авторы связывают аномалии урожая с индексами крупномасштабной циркуляции (NAO, Эль-Ниньо, температура Средиземного моря и тропической Атлантики) и строят статистическую модель прогноза с перекрёстной проверкой, достигая 71% попаданий в категорию «выше/ниже среднего» для сценария с тремя укосами.

В чём сила

Впервые для Европы показана связь между океаническими телесвязями и урожайностью пастбищ, причём на основе длинного модельного ряда, а не коротких наблюдений, что даёт основу для сезонного прогнозирования кормовых ресурсов.

Куда можно двигаться

Что можно попробовать

  • Апробировать нейросетевую модель (например, графовую или LSTM) для прогноза урожайности по тем же предикторам и сравнить с пошаговой регрессией.
  • Проверить нестационарность связей с помощью скользящих окон или методов, учитывающих изменение климатических режимов.
  • Использовать ансамблевые прогнозы климатических индексов для оценки неопределённости сезонного прогноза урожая.

Почему это может быть важно

Если сезонный прогноз продуктивности пастбищ станет надёжным, это может помочь фермерам в Центральном массиве Франции и других регионах заранее планировать кормовые ресурсы, снижая экономические риски в животноводстве.

Луг в Лакёй находится на высоте 1040 метров, и его климат классифицируется как субарктический: солнечного света там так мало, что именно радиация, а не осадки, лимитирует рост травы. Поэтому в солнечные годы урожай выше, хотя интуитивно кажется, что важнее дождь.

Ключевые числа

  • рост урожая: 29% между 1959–1979 и 1995–2015
  • корреляция прогноза: 0.55 для трёх укосов
  • ошибка прогноза: 14.6% RMSE
  • попадания в категорию: 71.43% при базе 50%
  • период моделирования: 57 лет (1959–2015)
Понятия
весенний барьер предсказуемости NOAA CPC IRI энсо ERSST сезонный форсинг межгодовая изменчивость климатическая модель сезонный цикл