Onzekerheden Gewasmodellering

Gewasmodellen zijn echter gemaakt om de groei van gewassen te simuleren op veldniveau, en worden vaak verkeerd gebruikt. Het is belangrijk bij het gebruik van de modellen en het presenteren van resultaten, inzicht te hebben in wat de resultaten betekenen en hoe deze te interpreteren.

Er zijn drie typen onzekerheden, in de modelstructuur, de input data en de parameters (Van Oijen and Ewert, 1999).

1) Modelstructuur: processen

Potentiële <-> werkelijke opbrengsten

Het is belangrijk om te beseffen dat gewasmodellen niet de actuele opbrengsten simuleren, maar de potentiële opbrengsten, en eventueel ook watergelimiteerde en nutriëntgelimiteerde opbrengsten. Hierbij wordt rekening gehouden met de temperatuur, straling, CO2 concentratie en gewaseigenschappen, zoals fenologie, fysiologie en de structuur van het bladerdak. In het geval van watergelimiteerde opbrengsten wordt ook een eventueel  gebrek aan regenval en irrigatie berekend met behulp van bodemeigenschappen. Nutriëntgelimiteerde opbrengsten berekenen tenslotte ook in hoeverre nutriënten zoals stikstof en fosfor uit de bodem en mest limiterend zijn voor gewasgroei. De werkelijk behaalde opbrengsten zijn echter ook afhankelijk van plagen, ziekten, onkruiden en verontreinigingen. De invloed hiervan is afhankelijk van de bedrijfsvoering. Effecten hiervan zijn moeilijk in procesmodellen in te bouwen, en zijn ook niet verwerkt in het WOFOST model. Voor meer informatie zie bijvoorbeeld Jamieson et al. (1999) en Reidsma et al. (2010).

In de applicatie voor Flevoland is er gedeeltelijk rekening gehouden met dit soort onzekerheden. Het gewasmodel WOFOST is gebruikt om de invloed van klimaatverandering op potentiële en watergelimiteerde opbrengsten te voorspellen. Aangezien bodemeigenschappen en regenval lokaal heterogener zijn dan temperatuur, zijn watergelimiteerde opbrengsten moeilijker te voorspellen dan potentiële opbrengsten. Vanwege het jonge karakter van deze polder, is de kleigrond echter relatief homogeen. Bovendien is er weinig sprake van watergebrek, en kunnen we in het algemeen uitgaan van potentiële opbrengsten. Tenslotte is het gewasmanagement in Flevoland bijna optimaal, waardoor het verschil tussen de potentiële en werkelijke opbrengsten vrij klein zijn.

Veldniveau <-> regionaal niveau

Gewasmodellen zijn ontwikkeld om gewasgroei op veldniveau te gebruiken. Ze zijn voor vele locaties gecalibreerd en gevalideerd, met behulp van gedetaileerde informatie over biofysische omstandigheden, gewaseigenschappen en management. Omdat er vooral interesse is in het voorspellen van klimaatverandering voor grotere regio’s, worden gewasmodellen steeds vaker gebruikt om op regionaal niveau uitspraken te doen hierover. Aangezien in een regio de biofysische en socio-economische omstandigheden verschillen, zal er variatie zijn in gewasopbrengsten. Resultaten op regionaal niveau kunnen niet gevalideerd worden met behulp van experimenten met optimaal management. Validatie vindt dus plaats met behulp van regionale statistieken, welke de actuele opbrengsten weergeven, niet de potentiële opbrengsten. Er bestaat dus een risico dat modellen verkeerd gecalibreerd worden en dat processen die belangrijk zijn op veldniveau, maar minder op regionaal niveau, teveel invloed hebben op regionale voorspellingen. Voor meer informatie, zie bijvoorbeeld Hansen en Jones (2000), Challinor et al. (2004), Reidsma en Ewert (2008) en Reidsma et al. (2009).

Aangezien de biofysysische en socio-economische omstandigheden in  Flevoland relatief homogeen zijn, kunnen we er van uit gaan dat de resultaten een goed beeld geven voor de gehele regio. De onzekerheden in het toekomstige klimaat zijn groter dan de processen en input data, en toekomstige opbrengsten zullen in het bereik liggen van de voorspellingen. Ook voor andere kleigronden met bijna optimaal management in Nederland, zullen de effecten van klimaatverandering vergelijkbaar zijn.

Processen die gewasgroei bepalen

Er zijn verschillende manier om gewasgroei te simuleren. Van Ittersum et al. (2003) geven een uitgebreide beschrijving van de verschillende benaderingen. In grote lijnen wordt potentiële productie bepaald 1) op basis van ‘light use efficiency’ of 2) op basis van fotosynthese. Aangezien er voor vele gewassen een lineaire relatie is gevonden tussen de onderschepte straling en de biomassaproductie, kan deze relatie gebruikt worden voor het simuleren van potentiële gewasgroei. Deze benadering vermijdt dat er tot in detail moet worden in gegaan op fotosynthese en respiratie. Ook voor de manier waarop watergelimiteerde groei wordt gesimuleerd, zijn verschillende benaderingen. Het model en dus de benadering die gekozen wordt, beïnvloedt de resultaten.

Het model WOFOST dat gebruikt is, is een relatief simpel model. Omdat het is ontwikkeld voor toepassingen op hogere schaalniveaus, zijn veel processen versimpeld. Het voordeel hiervan is dat er relatief weinig parameters geschat hoeven worden, waardoor de invloed van parameters doorzichtiger is.

WOFOST gebruikt de fotosynthese benadering voor potentiële productie, en gebruikt de Penman vergelijking inclusief een gewasfactor voor watergelimiteerde productie. De water balans in de bodem gebruikt een ‘tipping bucket’ benadering tot een diepte van de maximale worteldiepte (zoals opgegeven per gewas). Indien de grondwaterstand wordt meegenomen in de bodemwaterberekeningen, wordt een bodemdiepte tot 10 m gebruikt. In de huidige applicatie is dit echter niet gebeurd.

De resultaten uit deze studie zijn vergeleken met andere studies, zoals een regionale studie op basis van het gewasmodel LINTUL, waarin ook opbrengsten voor Flevoland gesimuleerd zijn. De resultaten komen redelijk overeen.

Invloed klimaat <-> technologie en management

Bij het gebruik van gewasmodellen in klimaatstudies, wordt er vaak vanuit gegaan dat klimaat de voornaamste invloed heeft op gewasopbrengsten, en dat klimaatverandering de enige verandering is. Zoals eerder aangegeven, is er echter een verschil tussen potentiële en actuele opbrengsten, welke beïnvloed wordt door technologie en management. Potentiële opbrengsten kunnen verhoogd worden door verbeterde rassen door middel van plantenveredeling, en door het aanpassen van de zaaidatum. Het verschil tussen potentiële en actuele opbrengsten kan verkleind worden door het gebruik van (kunst)mest, pesticiden, irrigatie en ander management dat oogstverliezen voorkomt. Het is daarom belangrijk om voor de huidige situatie het management in kaart te brengen, en ook voor de toekomst hier voorspellingen over te doen.

Omdat de invloed van management op het verschil tussen potentiële en actuele opbrengsten moeilijk op te splitsen is, en processen niet ingebouwd zijn in het WOFOST model, zijn voor de applicatie in Flevoland eerst de potentiële opbrengst berekend, en vervolgens zijn deze gekoppeld aan informatie over actuele opbrengsten en de invloed van technologie. De manier van integratie, en schattingen over de invloed van verschillende processen, is van grote invloed op de uiteindelijke voorspelde gewasopbrengsten voor de toekomst.

Twee management invloeden die wel in een gewasmodel zoals WOFOST worden gesimuleerd, zijn de keuze van een ras, en de zaaidatum. Om de invloed hiervan te onderzoeken, zijn adaptatie opties gesimuleerd. Voor raskeuze zijn gewasparameters veranderd, en de zaaidatum is vervroegd zodat het gewas eerder in het seizoen begint te bloeien. Hierdoor kan zowel de gevoeligheid van het model beoordeeld worden, als de effectiviteit van dit soort adaptatie opties.

2) Input data

Klimaatscenario’s

Hoe het klimaat verandert, is onzeker. Hoe het klimaat verandert, beïnvloedt ook de effecten op gewasopbrengsten. Vandaar dat er verschillende klimaatscenario’s worden gebruikt om de mogelijke effecten op gewasopbrengsten te simuleren.

In de applicatie voor Flevoland zijn de vier KNMI’06 scenario’s gebruikt, W, W+, G en G+. Daarnaast zijn deze gekoppeld aan zowel hoge als lage CO2 concentraties. Daardoor kan goed worden beoordeeld wat de invloed is van temperatuur (verschil W en G), neerslag (verschil standaard en +) en CO2 concentraties.

3) Parameters

Gewasparameters

Naast de data over klimaatsomstandigheden, hebben gewasparameters grote invloed op de uitkomsten. De laatste jaren worden er steeds minder experimenten gedaan en zijn er steeds minder data beschikbaar. Een studie die ook nu nog veel gebruikt wordt is Boons-Prins et al. (1993). Rassen veranderen echter, en kunnen beter bestand raken tegen hitte en droogte.

Voor de applicatie in Flevoland zijn de gewasparameters, voor zover mogelijk, geupdate. Binnen het SEAMLESS project (Van Ittersum et al., 2008) is er een enquête uitgevoerd, waarin voor onder andere Flevoland veel gegevens verzameld zijn over gewasopbrengsten en gewasmanagement. Deze kunnen gebruikt worden om het model voor een gewas te calibreren.