Neues Tool sagt Ernteerträge im Südosten der USA voraus

Forscher haben ein Computermodell entwickelt, das den Ertrag für vier wichtige Nutzpflanzen im Südosten der USA vorhersagt: Baumwolle, Mais, Sorghum und Sojabohnen. Das Tool soll Landwirten und staatlichen Wasserressourcenmanagern dabei helfen, angesichts eines sich ändernden Klimas fundierte Entscheidungen über die Auswahl von Nutzpflanzen und Bewässerungstechniken zu treffen.

„Aufgrund des Klimawandels wird erwartet, dass die saisonalen Niederschlagsmengen im Südosten erheblich von dem abweichen, was wir in der Vergangenheit gesehen haben“, sagt Hemant Kumar, Erstautor einer Arbeit über die Arbeit und Doktorand. Student an der North Carolina State University.

„Zum Beispiel werden wir wahrscheinlich mehr Dürreperioden erleben, aber auch mehr Perioden mit starken Regenfällen im Sommer. Unser Modell stützt sich auf Klima-, Grundwasser- und Agrardaten, um zwei Dinge zu tun: Wassermanagern dabei zu helfen, das verfügbare Wasser effizient zu nutzen.“ Ressourcen auf Kreisbasis und helfen Landwirten in einzelnen Kreisen dabei, Möglichkeiten zu finden, ihre Ernteerträge durch effiziente Nutzung von Wasser und Energie zu maximieren. Wir haben festgestellt, dass die Verwendung von Defizitbewässerungsstrategien anstelle herkömmlicher Bewässerungstechniken die Gewinne steigerte, indem die gepumpten Mengen reduziert wurden Wassermenge um 14 % (245.000 Acre-Fuß) pro Jahr.

Das neue Tool, das die Forscher „Regional Hydroeconomic Optimization Modeling Framework“ (RHEO) nennen, greift auf eine Vielzahl von Daten zurück. Das Modell berücksichtigt langfristige und saisonale Niederschlagsvorhersagen; Grundwasserspiegeldaten vom US Geological Survey; Bodeneigenschaften für jeden Landkreis; der Wasserverbrauch jeder Kultur; die Bewässerungskosten auf Kreisebene; Erntepreisdaten des US-Landwirtschaftsministeriums; und Daten zum Pflanzenproduktionsbudget von anderen Agrarforschern.

„Alle diese Daten werden in RHEO eingespeist, das dann den Ertrag pro Flächeneinheit für jede Kultur auf Kreisebene vorhersagt“, sagt Kumar. „Es würde zum Beispiel vorhersagen, wie viele Scheffel Mais, Soja, Sorghum oder Baumwolle Sie pro Hektar in einem bestimmten Landkreis anbauen könnten. Es würde auch vorhersagen, wie hoch Ihre Bewässerungskosten für jede dieser Kulturen sein würden, und unter Berücksichtigung dieser Faktoren.“ , vorhersagen, welche Anbau- und Bewässerungsstrategie am profitabelsten und ökologisch nachhaltigsten wäre.“

In ihrem Artikel veröffentlicht in Wasserressourcenforschungdemonstrierten die Forscher die Nützlichkeit des Modells, indem sie es auf historische Daten aus 31 Jahren aus 21 Landkreisen im Südwesten Georgias anwendeten.

„Wir haben herausgefunden, dass RHEO in der Lage war, die Variabilität in jeder unserer vier Zielkulturen vorherzusagen und Bewässerungsstrategien zu identifizieren, die die damit verbundenen Kosten senken würden“, sagt Kumar. „Letztendlich zeigt diese Proof-of-Concept-Arbeit, dass RHEO verwendet werden könnte, um den mit dem Pumpen von Grundwasser verbundenen Energieverbrauch zu senken, die Wassereffizienz zu verbessern und den Ernteertrag zu steigern.“

Die Forscher stellten fest, dass das RHEO-Modell derzeit für die 21 Landkreise kalibriert ist, die für die Proof-of-Concept-Demonstration verwendet wurden. Die Anwendung des Tools auf andere Teile des Südostens würde erfordern, dass sie für jede Region relevante Daten verwenden.

„Wir sind jedoch offen für die Zusammenarbeit mit Wassermanagern und Agrarindustriegruppen, um RHEO Interessengruppen im gesamten Südosten zugänglich zu machen“, sagt Kumar. „Wir halten die Arbeit für wichtig und würden gerne sehen, wie Menschen dieses Tool nutzen.

„Der Klimawandel erhöht die mit der Landwirtschaft verbundene Unvorhersehbarkeit, aber wir sind optimistisch, dass dieses Tool Landwirten und Wasserressourcenmanagern helfen wird, mit dieser erhöhten Unsicherheit umzugehen.“

Mehr Informationen:
Hemant Kumar et al., Verständnis des Nahrungs-Energie-Wasser-Zusammenhangs in gemischten Bewässerungssystemen unter Verwendung eines Modellierungsrahmens für die regionale hydroökonomische Optimierung, Wasserressourcenforschung (2023). DOI: 10.1029/2022WR033691

Zur Verfügung gestellt von der North Carolina State University

ph-tech