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 · 2 мин
Модель пастбища в Центральном массиве Франции показала, что температуру океана можно использовать для прогноза кормов за несколько месяцев.

На лугу в Лакёй, что на высоте 1040 метров в Центральном массиве Франции, трава растёт не по капризу погоды, а по расписанию, которое задаёт океан за тысячи километров. С 1959 по 2015 год компьютерная модель пастбища PaSim, вскормленная почасовыми метеоданными из архива SAFRAN, имитировала рост травы, исключив вредителей и заботы фермера. Остался чистый климатический сигнал. Оказалось, что урожайность луга в солнечные годы выше, потому что именно свет, а не дождь, лимитирует рост в этом субарктическом климате. За 57 лет смоделированный урожай вырос на 29%, что согласуется с потеплением, ростом CO2 и увеличением солнечной радиации.

Океан работает как дирижёр: его тёплые и холодные участки меняют пути ветров, а те уже решают, сколько света и тепла достанется траве.

Исследователи сравнили аномалии урожая с температурой поверхности Средиземного моря в феврале и сентябре, тропической Атлантики с сентября предыдущего года по январь и с Эль-Ниньо (периодическим потеплением экваториальной части Тихого океана) в мае-июне. Связи оказались устойчивыми, особенно для сценария с тремя укосами. Построенная статистическая модель с перекрёстной проверкой, когда каждый год по очереди исключается из обучения, дала корреляцию 0.55 и 71.43% попаданий в прогноз «выше/ниже среднего» при базовой вероятности 50%. Для оптимального управления, имитирующего практику фермеров, показатели скромнее: корреляция 0.41 и 67.86% попаданий.

Так впервые для Европы появился мост от температуры океана к конкретному агроэкосистемному показателю. Раньше климатические сервисы занимались зерновыми, а пастбища оставались в стороне, хотя в Центральном массиве они занимают до 60% сельхозземель и кормят молочное животноводство. Неопределённость с кормами бьёт по экономике, поэтому возможность заглянуть на несколько месяцев вперёд меняет планирование: фермеры и кооперативы могут заранее готовиться к заготовке сена, страховые компании — оценивать риски, а государственные службы — мониторить продовольственную безопасность.

Но дирижёр не всегда точен. Предсказательная сила Эль-Ниньо менялась по десятилетиям, и это требует осторожности: связи нестационарны. Тем не менее, результат даёт основу для сезонного прогнозирования кормов. Следующий шаг — проверка на реальных данных, включение выпаса, а не только укосов, и расширение на другие европейские луга.

Вернёмся к лугу в Лакёй. Его трава, как хор, поёт по нотам, которые океан пишет за месяцы до концерта. Теперь мы учимся читать эти ноты заранее.

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.

Понятия
весенний барьер предсказуемости NOAA CPC IRI энсо ERSST сезонный форсинг межгодовая изменчивость климатическая модель сезонный цикл