leibniz centre for agricultural landscape research kölpinsee/usedom 15. workshop modellierung und...
TRANSCRIPT
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Unsicherheiten bei der modellgestützten
Klimafolgenabschätzung
W. Mirschel; K.-O.Wenkel; M. Berg; C. Nendel; R. Wieland
Leibniz-Centre for Agricultural Landscape Research (ZALF), Institute of Landscape Systems Analysis, Eberswalder Str. 84, D-15374 Müncheberg,
Germany; [email protected]
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Einführung
Quellen von Unsicherheiten in der Klimafolgenabschätzung
- Emissionsszenarien - globale Klimamodelle - regionale Klimaprojektionen - Wirkmodelle
Beispiele für Unsicherheiten in der klimafolgenabschätzung
Schlussfolgerungen
Gliederung
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Einführung
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
•Die Klimaänderung ist allgegenwärtig mit ansteigenden Temperaturen besonders im Winter und geringer werdenden Niederschlägen speziell in der Hauptwachstumsperiode landwirtschaftlicher Fruchtarten.
•Für die Entwicklung von Strategien zur Anpassung an das sich änderne Klima bzw. zur Abmilderung von Folgewirkungen sind auf regionaler Ebene für die verschiedenen Bereiche wie Gesundheitswesen, Bauwesen und auch Landwirtschaft bessere und verlässlichere Informationen zur möglichen Klimaänderung, zu möglichen Langzeitfolgen und zu möglichen Risiken notwendig.
•Vom gegenwärtigen Wissen ausgehend, ist ein Beantworten der Fragen zur weiteren Klimaentwicklung und zu den daraus resultierenden Folgen mit einer großen Unsicherheit verbunden.
•Unsicherheit ist nur ein Fehlen von Gewissheit, d.h der Zustand, der es bei begrenztem Wissen unmöglich macht, existierenden oder den zukünftigen Status bzw. Zustand exakt zu beschreiben.
•In der Klimatologie existieren primär zwei Typen der Unsicherheit, die “Daten-Unsicherheit” und die “strukturelle Unsicherheit”.
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
•Die “Daten-Unsicherheit” kommt von den in der Klimafolgenforschung verwendeten Daten, d.h. von der Datenqualität (Monitoring, Meßmethodik, Datenhaltung), von der natürlichen Variabilität (Heterogenität, Stochastik) und von den fehlenden Daten (z. B. inkomplette Dartenreihen)
•Die “strukturelle Unsicherheit” kommt von den in der Klimafolgenforschung verwendeten Modellen (Klima- und Wirkmodelle), d.h. einerseits von den Modellstrukturen mit Annahmen, Vereinfachungen, formulierten Prozeßalgorithmen und der Umsetzung dieser in Programm-Code sowie andererseits von den Modellparametern, deren Schätzung und Kalibrierung in der Regel mittels statistischer Methoden erfolgt.
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
•Im Rahmen der Klimafolgenabschätzung ist dabei eine zunehmende Komplexität sehr stark verbunden mit einer Zunahme der Unsicherheit.
•Die größten Probleme bei der Klimafolgenabschätzung in der Landwirtschaft und bei der Anpassung der Landwirtschaft an die Klimaänderung sind verbunden mit Unsicherheiten
> in der Vorhersage globaler und regionaler Klimaänderungen,> und Wissenslücken im Zusammenhang mit komplexen
Wirkungen von Klimaänderungen incl. noch unbekannter Rückkopplungen und
> in der weiteren Entwicklung des Weltmarktes, der Weltmarktpreise, der gesamten Politik und vieler anderer Einflußgrößen
•Für die Klimafolgenforschung bedeutet das, dass die hauptsächlichen Quellen der Unsicherheit die vier folgenden sind:
1. Emissions-Szenarien
2. globale Klimamodelle
3. Methoden der regionalen Klimaprojektion
4. Wirkmodelle
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Quellen von Unsicherheiten in der Klimafolgenabschätzung
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
1. Quelle: Emissionsszenarien des IPCC (bis 2100)
A1 - Szenario:- Welt mit sehr schnellem ökonomischen Wachstum- menschliche Population erreicht gegen 2050 ihr Maximum und nimmt danach wieder ab- schnelle Einführung von neuen und effektiveren Technologien A1FI: weiterhin nur fossile Energiequellen
A1T: weiterhin nur alternative Energiequellen
A1B: gesunde Balance aller verfügbaren EnergiequellenA2 - Szenario:- sehr hetorogene Welt - Eigenständigkeit und Erhalt lokaler Individualitäten- menschliche Population wächst langsam, aber stetig- ökonomische Entwicklung ist mehr regional orientiert und der technologische Fortschritt ist mehr fragmentiert, regional zersplittert
B2 - Szenario:- Welt mit Betonung auf lokale Lösungen hinsichtlich ökonomischer, sozialer und Umweltnachhaltigkeit- stetige Entwicklung der menschlichen Population mit einer im Vergleich zu A2 geringeren Rate - orientiert in Richtung Umweltschutz und sozialer Fairness-Ausrichtung auf lokale und regionale Ebene
B1 - Szenario:- beschreibt eine sich annähernde Welt- menschliche Population erreicht gegen 2050 ihr Maximum und nimmt danach wieder ab- Ökonomie basiert auf sauberen und ressourcenef- fizienten Technologien - globale Lösungen für eine ökonomische, soziale und umweltbezogene Nachhaltigkeit, incl. einer wachsenden Fairness, aber ohne zusätzliche Klimainitiativen
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Emissionsszenarien A1, A2, B1, B2 in 2100 im Vergleich zur
Emissionssituation 1990 (Änderungen)
globale CO2-Emission -50 % … 600 % globale Methan-Emission -20 % … 350 % globale NOx-Emission -25 % … 300 % globale Temperatur 1.1 °C … 6.4 °C
Atm
osp
häri
sch
e C
O2 -
Kon
zen
trati
on
1970 - 1979: 1.3 ppm / Jahr
1980 - 1989: 1.6 ppm / Jahr 1990 - 1999: 1.5 ppm / Jahr2000 - 2006: 1.9 ppm / Jahr
Die atmosphärische CO2-
Konzentration ist in der Vergangenheit gestiegen und
wird auch zukünftig ansteigen (IPCC, 2007)
2050 - 2060 ca. 460 – 620 ppm
Weigel u. Wenkel
1. Quelle: Emissionsszenarien des IPCC (bis 2100)
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
1. Quelle: Emissionsszenarien des IPCC (bis 2100)
Temperaturentwicklung und Szenarioprojektionen
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
2. Quelle: globale KlimamodelleVerschiedene globale Klimamodelle wurden entwickelt, die das gegenwärtige Wissen über die gemessenenen Klimaelemente aus der Vergangenheit berücksichtigen, aber auch das Wissen über die einzelnen das Klima beeinflussenden Triebkräfte und das Wissen über die komplexen Prozesse, die das Klima beeinflussen und regulieren.
Aufgrund des begrenzt vorhandenen Daten- und Prozesswissens wurden durch die einzelnen Forschergruppen zur globalen Klimamodellierung weltweit unterschiedliche globale Klimamodelle entwickelt, die sich durch unterschiedliche Annahmen, Vereinfachungen, Prozessformulierungen und Programmierumsetzungen unterscheiden.
Deutschland
Grossbritannien
Kanada
Norwegen
Frankreich unvollständiger
Überblick
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Early summer 15th April-15th May
Winter 15th November- 31st March
Global climate model 2021-2050 2071-2100 2021-2050 2071-2100 BCM (Norway)
-2 … +2 % +20 … +30 % +10 … +20 % +20 … +30 %
CNRM CM3 (Canada)
-2 … +2 % -10 … -5 % -5 … -2 % -5 … -2 %
ECHAM5 (Germany)
+10 … +20% +10 … +20 % +5 … +10 % +10 … +20 %
Niederschlagsänderung in Deutschland für 2021-2050 and 2071-2100 im Vergleich zu 1961-1990, abgeschätzt durch verschiedene globale Klimamodelle (Emission-Szenario A1B) regionalisiert mit dem dänischen HIRHAM 5 – Modell (Otte and Frühauf, 2011)
2. Quelle: globale Klimamodelle
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
3. Quelle: Methoden der regionalen KlimaprojektionBasierend auf den verschiedenen globalen Klimamodellen wurden weltweit
verschiedene Downscaling-Methoden für eine regionale Klimaprojektion entwickelt:■ Dänemark: HIRHAM 5■ Norwegen: HIRHAM 2; HIRHAM 3■ Schweden: RCA 3.0■ Frankreich: ALADIN RM5.1■ Italien: RegCM 3■ Niederland: RACMO 2.1■ Grossbritannien: HADRM3Q0; HADRM3Q3; HADRM3Q16■ Russland: RRCM■ Schweiz: CLM 2.4.6■ Spanien: PROMES 2005■ Deutschland: CLM 2.4.11; REMO_UBA; REMO_BfG; REMO 5.7; STAR;
WETTREG; WEREX
Die Modelle/Methoden zur Klimaregionalisierung können wie folgt klassifiziert werden:
physikalisch-basierte dynamische Modelle (Deutschland: REMO, CLM)statistisch-basierte Modelle (Deutschland: STAR, STAR2)kombinierte dynamisch-statistische Modelle (Deutschland: WETTREG, WEREX)
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Niederschlagsänderung in Deutschland für 2021-2050
and 2071-2100 im Vergleich zu 1961-1990, abgeschätzt
durch verschiedene Downscaling-Modelle,
dargestellt für 3 globale Klimamodelle (Emissions-Szenario: A1B) (Otte and
Frühauf, 2011)
3. Quelle: Methoden der regionalen Klimaprojektion Frühsommer
15. April-15. Mai Winter
15. November- 31. März Regionalisierungs-Modell
2021-2050 2071-2100 2021-2050 2071-2100 Globales Klimamodell HADCM3Q0 (Großbritannien) HADRM3Q0 (Großbritannien)
+2 … +5 % -2 … +2 % +2 … +5 % keine Daten
HIRHAM3 (Norwegen)
+5 … +10 % keine Daten +5 … +10 % keine Daten
RRCM (Russland)
+10 ... +20 % keine Daten +10 ... +20 % keine Daten
CLM 2.4.6 (Schweiz)
-2 … +2 % +2 … +5 % +2 … +5 % keine Daten
PROMES 2005 (Spanien)
+5 … +10 % keine Daten +2 … +5 % keine Daten
HADRM3Q3 (Großbritannien)
+2 … +5 % -2 … +2 % +2 … +5 % keine Daten
Globales Klimamodell BCM (Norwegen) HIRHAM5 (Dänemark)
-2 … +2 % +20 … +30 % +10 … +20 % +20 … +30 %
HIRHAM2 (Norwegen)
-2 … +2 % keine Daten +10 … +20 % keine Daten
RCA 3.0 (Schweden)
+5 … +10 % +10 … +20 % +10 … +20 % +20 … +30 %
Globales Klimamodell ECHAM5_r3 (Deutschland) HIRHAM 5 (Dänemark)
+10 ... +20 % +10 ... +20 % +5 ... +10 % +10 ... +20 %
REMO 5.7 (Deutschland)
-5 ... -2 % +2 ... +5 % -2 ... +2 % +10 ... +20 %
RegCM3 (Italien)
-2 ... +2 % -2 ... +2 % +2 ... +5 % +10 ... +20 %
RACMO 2.1 (Niederland)
-5 ... -2 % +2 ... +5 % +2 ... +5 % +10 ... +20 %
RCA 3.0 (Schweden)
+2 … +5 % +10 … +20 % +5 ... +10 % +10 ... +20 %
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Vergleich der regionalen Klimaprojektionen REMO, WETTREG and STAR für die Jahresmitteltemperatur von
Sachsen-Anhalt
PIK-Study „Klimawandel Sachsen- Anhalt“, 2009
3. Quelle: Methoden der regionalen Klimaprojektion
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
PIK-Study „Klimawandel Sachsen- Anhalt“, 2009
3. Quelle: Methoden der regionalen KlimaprojektionVergleich der regionalen Klimaprojektionen REMO,
WETTREG and STAR für die jährliche Niederschlagssumme von Sachsen-Anhalt
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Mittlere Jahrestemperatur und jährliche Nieder-schlagssumme im Vergleich von drei Regionalisierungs-Methoden und zwei Emissions-Szenarien (STAR2 (2 K), WETTREG (A1B, B1) and CLM (A1B, B1)) für Müncheberg
1940 1960 1980 2000 2020 2040 2060 2080 2100 21206
7
8
9
10
11
12
WETTREG A1B WETTREG B1 STAR2 CLM A1B CLM B1Ja
hre
smit
telt
emp
erat
ur
(°C
)
1960 1980 2000 2020 2040 2060 2080 21006
7
8
9
10
11
12
Jah
resm
itte
ltem
per
atu
r (°
C)
(30
jäh
rig
es
MIt
tel)
WETTREG A1B WETTREG B1 STAR2 CLM A1B CLM B1
WETTREG: statistische Methode, Mittel aus 3 Realisierungen (feucht, trocken, normal); STAR2: statistische Methode, Mittel aus 5 Realisierungen; CLM: physikalisch-basierte Methode, Mittel aus zentralem und den 8 umliegenden Gitterpunkten
1940 1960 1980 2000 2020 2040 2060 2080 2100 2120300
400
500
600
700
800
WETTREG A1B WETTREG B1 STAR2 CLM A1B CLM B1
jäh
rlic
he
Nie
de
rsc
hla
gs
su
mm
e (
mm
)
1960 1980 2000 2020 2040 2060 2080 2100300
400
500
600
700
800
jäh
rlic
he
Nie
de
rsc
hla
gs
su
mm
e (
mm
)(3
0jä
hri
ge
s M
Itte
l)
WETTREG A1B WETTREG B1 STAR2 CLM A1B CLM B1
3. Quelle: Methoden der regionalen Klimaprojektion
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
4. Quelle: Wirkmodelle
Modellansätze für die klimasensitive mathematische Beschreibung von Faktoren, Kenngrößen und Prozessen in der Landwirtschaft wie z.B. Pflanzenontogenese, pflanzliche Ertragsbildung / Produktivität, Bestandesverdunstung oder Wassererosion auf Ackerflächen existieren in einer breiten Vielfalt.
Die Vielfalt in den Modellansätzen beruht auf den verschiedenen Prozess-formulierungen, getroffenen Vereinfachungen und Annahmen sowie auf den unterschiedlichen Prametrisierungsverfahren.
Hier gibt es:- dynamische prozess-basierte Modelle- statistisch-basierte Modelle- Fuzzy -Modelle- Neuronale Netze
Die Wirkmodelle sind eine Hauptquelle für die “strukturelle Unsicherheit” !
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
4. Quelle: Wirkmodelle – im ZALF Müncheberg genutzte Modelle -Dynamische prozess-basierte Agrarökosystem-Modelle
Modell AGROSIM(AGRO-ecosystem SIMulation)
Modell MONICA(MOdel of NItrogen and Carbon dynamics in Agro-ecosystems)
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Statistisch-basierte Modelle
Model YIELDSTAT(crop YIELD STATistics)
Model ONTO(ONTOgenese landwirtschaftlicher
Kulturen)
4. Quelle: Wirkmodelle – im ZALF Müncheberg genutzte Modelle -
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Fuzzy Modell und Neuronales Netz zur Ertragsschätzung
Feedforward Network: 1 Hidden and 1 Output Layer, Transfer function: tanh
A X b net
Ye net
A Y b net
Ee net
1 1 1
2
1 2 11
2 2 2
2
1 2 21
4. Quelle: Wirkmodelle – im ZALF Müncheberg genutzte Modelle -
0 20 40 60 80 1000.0
0.5
1.0
0 50 100 150 200 2500.0
0.5
1.0
-200 -150 -100 -50 0 50 1000.0
0.5
1.0
0 20 40 60 80 1000.0
0.5
1.0
Ackerzahl [-]:sehr schlecht -
schlecht -mittel -
gut -sehr gut -
N-Düngung [kg N ha-1]:niedrig -
mittel -hoch -
sehr hoch -
klimatische Wasserbilanz [mm]:
trocken -mittel -
feucht -
Ertrag [dt ha-1]
Ableitung von 60 expertenbasierten Regeln
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Unsicherheit bei der Schätzung des Winterweizen-Ertrages in der Region Uckermark und im Weißeritzkreis, hervorgerufen durch die beiden Wirkmodelle MONICA und YIELDSTAT unter Nutzung der regionalen Klimaprojektion WETTREG (Emission-Szenario: A1B)
4. Quelle: Wirkmodelle
2010 2020 2030 2040 2050 2060 2070 20800
20
40
60
80
100
Ert
rag
Win
terw
eize
n (
dt
ha-1
)
Modell YIELDSTAT Modell MONICA
2010 2020 2030 2040 2050 2060 2070 20800
20
40
60
80
100
Ert
rag
Win
terw
eize
n (
dt
ha-1
) Modell YIELDSTAT Modell MONICA
Region Uckermark Weißeritzkreis
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Vergleich gemessener und mit verschiedenen
Modellen berechneter Winterweizen-Erträge
(Rabbinge & van Diepen, 2000; van Lanen, et al,
1992; Harrison et al, 2000)
Olesen & Bindi, 2002
4. Quelle: Wirkmodelle
A
B
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Model
code
Model name
Model reference Results *
Paper this issue
1 AMBAV Löpmeier, 1994 - Friesland & Löpmeier 2 SIMWASER Stenitzer & Murer, 2003 B, L Stenitzer et al. 3 THESEUS Wegehenkel, 2000 L Wegehenkel & Mirschel 4 OPUS Smith, 1992 L Wegehenkel & Mirschel 5 STAMINA Acutis et al, 2005 M Acutis et al. 6 AGROSIM Mirschel et al., 1991 L, M Mirschel & Wenkel 7 AGROTOOL Poluektov et al., 2002 B,L,M Poluektov & Terleev 8 NDICEA Koopmans & Bokhorst,
2002 M Van der Burght et. al.
9 SWAP / ANIMO Kroes & van Dam, 2003; Renaud et al., 2004
M Kroes & Roelsma
10 SWIM Krysanova et al., 1998 M ;L Post et al. 11 HERMES Kersebaum, 1995 M, L Kersebaum 12 WASMOD Reiche, 1994 M - 13 CERES Ritchie & Otter, 1985 M Nain & Kersebaum 14 Expert-N (CERES) Engel & Priesack, 1993 M, L Priesack et al. 15 Expert-N (SPASS) Engel & Priesack, 1993 M, L Priesack et al. 16 Expert-N (Sucros) Engel & Priesack, 1993 M, L Priesack et al. 17 FASSET Berntsen et al., 2003 M, L Berntsen & Petersen 18 CANDY Franko et al., 1995 M, L Puhlmann et al. 19 Boettcher Boettcher & Kage,
unpublished M -
Herm
es
SWAP
SWIM
FASSET
EN_Cer
EN_SPA
EN_Suc
CANDY
WASM
OD
0
100
200
300
400
500
[kg
N h
a-1 ]
Herm
es
SWAP
SWIM
FASSET
EN_Cer
EN_SPA
EN_Suc
CANDY
WASM
OD
0
200
400
600
800
1000
1200
[kg
N h
a-1 ]
Herm
es
SWAP
SWIM
FASSET
EN_Cer
EN_SPA
EN_Suc
CANDY
WASM
OD
0
50
100
150
200
[kg
N h
a-1 ]
Herm
es
SWAP
SWIM
FASSET
EN_Cer
EN_SPA
EN_Suc
CANDY
WASM
OD
0
10
20
30
40
50
[kg
N h
a-1 ]
N-Aufnahme Pflanzen
Stickstoffauswaschung (90 cm Tiefe) Denitrifikation
Stickstoffmineralisation
Output-Vergleich verschiedener klimasensitiver Wirkmodelle (Agrarökosystemmodelle) bezüglich temperatur- und feuchteabhängiger Teilprozesse des Stickstoffhaushaltes im System Boden-Pflanze [Standort Müncheberg] (Kersebaum et al., 2007)
am Modellvergleich teilnehmenede Modelle
4. Quelle: Wirkmodelle
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Beispiele für Unsicherheit im Rahmen der
Klimafolgenabschätzung
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Vergleich verschiedener regionaler Klimaprojektionen und Emissionsszenarien (WETTREG (A1B, B1); STAR2) bezüglich ihrer Wirkungen auf die klimatische
Wasserbilanz (hier: Dresden-Klotzsche)
Entscheidungsgrundlage für:-Bedarfsermittlung Zusatzwasser Planung von Beregnungssystemen-Fruchtfolgeoptimierung bezüglich des Pflanzenwasserbedarfs (in Deutschland ist der Winterfruchtanbau weinger mit Risiko behaftet als der Sommerfruchtanbau)
1. Klimatische Wasserbilanz
STAR 2
WETTREG A1B
WETTREG B1
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Beginn, Ende und Dauer der Vegetationsperiode für die Uckermark-Region und den Weißeritzkreis für unterschiedliche regionale Klimaprojektionen und Emissionsszenarien (WETTREG/A1B, WETTREG/B1 and STAR2 /2K), abgeschätzt mit der Methode nach Chmielewski (2003)
Entscheidungsgrundlage für:-Ableitung von Einsatzzeitpunkten verschiedener agrotechnischer Maßnahmen (Bodenbearbeitung, Aussaat, Düngung, Pflanzenschutz, Ernte) -Fruchtfolgegestaltung (Zweikultur-Systeme ?)
2. Vegetationsperiode
2000 2010 2020 2030 2040 2050 2060 2070 2080
50
100
150
200
250
300
350
lfd
. K
alen
der
tag
WETTREG A1B WETTREG B1 STAR2
Vegetationsdauer (d):219 221 236 289227 231 230 259235 242 255
2000 2010 2020 2030 2040 2050 2060 2070 20800
50
100
150
200
250
300
350
Vegetationsdauer (d):231 238 252 304229 245 246 280241 248 264
lfd
. K
alen
der
tag
WETTREG A1B WETTREG B1 STAR2
Region Uckermark Weißeritzkreis
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Einfluß unterschiedlicher regionaler Klimaprojektionen (WETTREG, COSMO-CLM and STAR) und Emissionsszenarien (A1B and B1) auf die Entwicklung von Winterweizen am Standort Müncheberg (Ontogenesemodell ONTO)
Entscheidungsgrundlage für:-Termine für Bodenbearbeitung, Aussaat, Düngung, Pflanzenschutz und Ernte-Fruchtfolgegestaltung(Zweikultur-Systeme ?)
3. Pflanzenentwicklung (Ontogenese)
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Einfluß unterschiedlicher regionaler Klimaprojektionen und verschiedener Emissionsszenarien auf den Ertrag landwirtschaftlicher Kulturen in der Region
Uckermark (Bodenbearbeitung mit Pflug, ohne Beregnung, mit CO2-Effekt, ohne Entwicklungstrend)
Entscheidungsgrundlage für:-Anbaumanagement (Bodenbearbeitung, Düngung, Pflanzenschutz)-Fruchtfolge (Grundlage für ökonomische Betriebsplanung)
2000 2020 2040 2060 20800
10
20
30
40
50
60
Ko
rner
trag
Win
terw
eize
n (
dt/
ha)
WETTREG A1B WETTREG B1 STAR2
2005 2025 2045 2075
2000 2020 2040 2060 20800
10
20
30
40
50
60
2005 2025 2045 2075
Ko
rner
trag
Win
terg
erst
e (d
t/h
a)
WETTREG A1B WETTREG B1 STAR2
2000 2020 2040 2060 20800
10
20
30
40
50
2005 2025 2045 2075
Ko
rner
targ
Win
terr
og
gen
(d
a/h
a)
WETTREG A1B WETTREG B1 STAR2
2000 2020 2040 2060 20800
5
10
15
20
25
30
35
2005 2025 2045 2075
Win
terr
apse
rtra
g (
dt/
ha)
WETTREG A1B WETTREG B1 STAR2
Winterweizen
Wintergerste
Winterroggen
Winterraps
4. Pflanzenertrag (1)
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
2000 2020 2040 2060 20800
50
100
150
200
250
300
350
2005 2025 2045 2075
Sil
om
aise
rtra
g (
dt/
ha)
WETTREG A1B WETTREG B1 STAR2
2000 2020 2040 2060 20800
100
200
300
400
2005 2025 2045 2075 Z
uck
errü
ben
ertr
ag (
dt/
ha)
WETTREG A1B WETTREG B1 STAR2
Silomais Zuckerrüben
Einfluß unterschiedlicher regionaler Klimaprojektionen und verschiedener Emissionsszenarien auf den Ertrag landwirtschaftlicher Kulturen in der Region
Uckermark (Bodenbearbeitung mit Pflug, ohne Beregnung, mit CO2-Effekt, ohne Entwicklungstrend)
Entscheidungsgrundlage für:-Anbaumanagement (Bodenbearbeitung, Düngung, Pflanzenschutz)-Fruchtfolge (Grundlage für ökonomische Betriebsplanung)
4. Pflanzenertrag (2)
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Abweichungen beim Erreichen des Biomassestatus TM>30% bei Silomais
in Deutschland in 2021-2050 im Vergleich zu 1971-2050 [Sandböden,
frühreifende Sorten](Otte and Frühauf, 2011)
– Negativwerte Verfrühung -
4. Pflanzenertrag (3)
Entscheidungsgrundlage für:-Anbaumanagement (Fruchtfolge, Aussaattermin, Bodenbearbeitung, Düngung, Pflanzenschutz)
1960 1980 2000 2020 2040 2060 2080 21006
7
8
9
10
11
12
Jah
resm
itte
ltem
per
atu
r (°
C)
(30j
ähri
ges
MIt
tel)
WETTREG A1B WETTREG B1 STAR2 CLM A1B CLM B1
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
4. Pflanzenertrag (4)
Vergleich berechneter Winterweizen-Kornerträge (Grundlage: 8 Pflanzen-wachstumsmodelle [M1 – M8]) mit gemessenen Kornerträgen
Mittel aus allen 8 Modellen
Rötters et al., 2011
Observed results
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Bodenerosion durch Wasser für die Region Uckermark und den Weißeritzkreis bei Verwendung verschiedener regionaler Klimaprojektionen und
Emissionsszenarien
- Annahme: heutiges Anbauverhältnis -
Entscheidungsgrundlage für:-Bodenbearbeitung (reduziert, völlig ohne, andere anti-erosive Anbaumethoden)-Fruchtfolge (Achtung bei Reihenkulturen, ständige Pflanzenbedeckung)
2000 2010 2020 2030 2040 2050 2060 2070 2080
0.5
1.0
1.5
2.0
2.5
3.0 Weißeritzkreis
was
sere
rosi
ver
Bo
den
abtr
ag (
t/h
a)
WETTREG A1B WETTREG B1 STAR2
Region Uckermark
5. Bodenerosion durch Wasser
bergige Landschaft
flache Landschaft
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Schlussfolgerungen
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Die regionale Klimafolgenabschätzung ergibt für landwirtschaftlich relevante Kenngrößen weite Ergebnisspektren, hervorgerufen durch die Unsicherheiten bei den Emissionsszenarien, den globalen Klimamodellen, den Methoden der regionalen Klimaprojektion und den verwendetenWirkmodellen.
Der beste Weg, um solide Antworten auf Fragen zu geben, die mit der Klimafolgenabschätzung zusammenhängen, ist die Realisierung von Multi-Ensemble- und Multi-Modell-Simulationen.
Die Wirkung der Klimaänderung auf die Landwirtschaft kann positiv oder negativ ausfallen, ganz in Abhängigkeit von den gewählten Klimaprojektionen und Emissionsszenarien. Die simulierten Auswirkungen einer regionalen Klimaveränderung sind im Osten Deutschlands in der näheren Zukunft bis 2050 relativ gering. Es gibt Gewinner (Winterfruchtanbau) und Verlierer (Sommerfruchtanbau)
Wenn man die vielen Unsicherheiten berücksichtigt, besteht die beste Anpassung der Landwirtschaft an die Klimaänderung in: ● einem gutem Mix verschiedener Anbausysteme, ● unterschiedlichen Managementoptionen, ● einem breiten Spektrum angebauter Fruchtarten, ● der Nutzung einer umweltverträglichen Zusatzbewässerung, ● der Aufrechterhaltung eines hohen Bodenfruchtbarkeitsniveaus, ● der Nutzung hochproduktiver und stresstoleranten Sorten (Anspruch an die Züchter) und ● der Anwendung neuer Anbautechnologien, wie Streifenanbau, Precision Farming oder Energie- Plantagen
Interaktive Entscheidungshilfesysteme (DSS) für Simulationen und eine integrierte Folgenabschätzung für landwirtschaftliche Anpassungsstrategien an den Klimawandel, wie Fruchtfolge, Bodenbearbeitung, Düngung, oder Bewässerung, sind sehr wichtige Hilfsmittel für Landwirte und andere Stakeholder.
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Leibniz Centre for Agricultural Landscape Research
15. Workshop „Modellierung und Simulation von Ökosystemen“, Kölpinsee/Usedom Kölpinsee/Usedom (26. – 28. 10. 2011)
Danke für Ihre Aufwerksamkeit !