idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
24.08.2017 12:49

Zuverlässigere Vorhersage von Klimawandelauswirkungen auf Weizenerträge

Hendrik Schneider Presse- und Öffentlichkeitsarbeit
Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e.V.

    Ein internationales Forschungsteam hat im Rahmen des „Agricultural Model Intercomparison and Improvement Projects“ (AgMIP) mathematische Funktionen verbessert um Auswirkungen von Klimavariabilität und -wandel auf landwirtschaftliche Weizenerträge zuverlässiger vorherzusagen. Das Team leistet somit einen wichtigen Beitrag, die lokale und globale Landwirtschaft wirksamer auf zukünftige Klimaveränderungen vorzubereiten. Seine Ergebnisse hat es vor kurzem in der wissenschaftlichen Zeitschrift „Nature Plants“ veröffentlicht.

    Unter der Leitung von Dr. Enli Wang, CSIRO, Australien und Dr. Pierre Martre, INRA France konnte das AgMIP-Weizenteam Unsicherheiten in den Vorhersagen durch Weizenertragsmodelle erheblich reduzieren. Daran beteiligt waren der wissenschaftliche Direktor des ZALF Prof. Dr. Frank Ewert, als Co-Koordinator des AgMIP-Weizenteams, sowie Dr. Claas Nendel und Dr. Kurt-Christian Kersebaum vom Institut für Landschaftssystemanalyse. Insgesamt tragen 60 Wissenschaftlerinnen und Wissenschaftler aus verschiedenen Fachbereichen zur Forschung des Teams bei. Mit ihrer Publikation "The uncertainty of crop yield projections is reduced by improved temperature response functions" (Nature Plants, 2017, Bd. 3) zeigen sie auf, wie sie mit Hilfe von vergleichenden Untersuchungen verschiedener Ertragsmodelle und verbesserten mathematischen Funktionen zu genaueren Ertragsabschätzungen kommen.

    Durch den Vergleich von 27 gängigen Weizenertragsmodellen fanden die Forscherinnen und Forscher heraus, dass mehr als 50% der Unsicherheiten ihrer Modellergebnisse auf die verwendeten Temperaturreaktionsfunktionen zurückzuführen sind. Auf Grundlage dieser Erkenntnis wurde eine neue Funktion entwickelt, mit der die Simulationsfehler für Weizenerträge um bis zu 50% gesenkt werden können. Die Wirksamkeit der Funktion hat das Team für repräsentative Weizenstandorte auf der ganzen Welt getestet und ihr Forschungsansatz kann auch auf andere Getreidemodelle übertragen werden. Diese neuen Erkenntnisse ermöglichen somit Entscheidungsträgern weltweit eine bessere Anpassung an
    zukünftige Klimaveränderungen.


    Weitere Informationen:

    http://www.zalf.de/de/aktuelles/Seiten/Pressemitteilungen/PM_20170824_AgMIP_Weiz...
    https://www.nature.com/articles/nplants2017102


    Bilder

    Das AgMIP-Weizen-Team bei einem Workshop in Suzhou, China im Mai 2017.
    Das AgMIP-Weizen-Team bei einem Workshop in Suzhou, China im Mai 2017.
    Quelle: © Senthold Asseng / AgMIP
    None


    Anhang
    attachment icon Pressemitteilung: Zuverlässigere Vorhersage von Klimawandelauswirkungen auf Weizenerträge

    Merkmale dieser Pressemitteilung:
    Journalisten, Studierende, Wissenschaftler
    Ernährung / Gesundheit / Pflege, Meer / Klima, Tier / Land / Forst
    überregional
    Forschungsergebnisse, Wissenschaftliche Publikationen
    Deutsch


     

    Das AgMIP-Weizen-Team bei einem Workshop in Suzhou, China im Mai 2017.


    Zum Download

    x

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).