Потенциальная урожайность сельхозкультур может быть на десятки процентов выше расчетной
Глобальные модели, оценивающие текущую и потенциальную урожайность, используются в политике продовольственной безопасности. Ученые из Вагенингенского университета и Университета Небраски-Линкольна предупреждают о недостатках этих глобальных моделей «сверху вниз».
В статье в Nature Food они утверждают, что модели слишком полагаются на обобщенные данные о погоде, почвах и культурах, и им не хватает валидации локальными данными. Ученые призывают улучшать оценки за счет систематического использования локальных данных и более частого тестирования моделей в местных условиях.
Исследователи сравнили работу двух распространенных моделей «сверху вниз» (Global Agro-ecological Zones и Agricultural Model Intercomparison and Improvement Project) с их собственным подходом «снизу вверх» — Global Yield Gap Atlas (GYGA).
Систематически заниженные оценки
«Оценки глобальных моделей для крупных стран или целых континентов часто достаточно точны, но для конкретных регионов или небольших стран результаты становятся ненадежными. Расчетный потенциал производства для страны часто оказывается ниже фактического урожая, достигнутого в предыдущие годы», — говорит соавтор профессор Мартин ван Иттерсум.
В качестве примера он приводит результаты по рису в Азии и кукурузе в Африке к югу от Сахары: «Для риса в Азии оценки потенциальной урожайности моделей «сверху вниз» систематически занижены, а для кукурузы в Африке эти модели недостаточно различают страны с явно высоким и низким потенциалом».
Приблизительные данные и недостаток тестирования
Недостатки моделей вызваны использованием обобщенных баз данных, сгенерированных погодных данных или предположений о календарях посевов. Глобальные исследования также применяют единую модель для широкого спектра культур по всему миру, хотя эти модели не тестировались локально в хорошо поставленных экспериментах.
«Потенциальная урожайность в конкретном районе может фактически быть на десятки процентных пунктов выше, чем предполагается в моделях «сверху вниз», — говорит ван Иттерсум. Инвесторы, семеноводческие компании и другие стейкхолдеры частично полагаются на эти модели, поэтому последствия могут быть далеко идущими.
Интеграция локальных данных
По мнению авторов, проблему можно решить, систематически используя локальные данные в глобальных исследованиях. Такие данные (о погоде, почвах и агротехнике) уже собираются с 2011 года в рамках проекта GYGA.
«Мы начали этот проект, потому что обнаружили, что глобальные модели часто значительно ошибаются для конкретных стран и регионов. С помощью местных экспертов мы собрали качественные и релевантные данные для около 70 стран. Теперь мы знаем разрыв в урожайности для основных сельхозкультур на 80% мировой площади. Этот подход «снизу вверх» очень трудоемок, но дает ценную информацию для политиков и исследователей, работающих над вопросами будущего продовольственного обеспечения», — заключает ван Иттерсум.