Lepsze prognozy sezonowe pozwolą na optymalizację praktyk rolniczych
Prognozowanie wpływu klimatu na rolnictwo w poszczególnych porach roku jest nadal w powijakach. Brak możliwości dokładnego prognozowania sezonowych zmian klimatu może doprowadzić do niszczenia plonów ze względu na fakt, ze rolnicy nie są w stanie przygotować swoich upraw na ekstremalne warunki i zjawiska pogodowe. Zespół finansowanego ze środków Unii Europejskiej projektu CLIM4CROP zajmował się badaniem najlepszych sposobów wykorzystywania prognoz sezonowych w skali globalnej, aby skutecznie wdrażać systemy podejmowania decyzji dotyczących praktyk rolniczych w oparciu o dane na podstawie najnowszych osiągnięć w dziedzinie nauk o klimacie i uprawach. Dzięki wsparciu działania „Maria Skłodowska-Curie” badacze mogli wykorzystać informacje klimatyczne, które obejmowały najbardziej kompletne i aktualne zestawy prognoz sezonowych. Rozległe dane archiwalne połączone z danymi gromadzonymi w czasie zbliżonym do rzeczywistego mają kluczowe znaczenie dla monitorowania i prognozowania plonów. Badacze skupieni wokół projektu CLIM4CROP zajmowali się opisywaniem i opracowywaniem charakterystyk zbiorów danych dotyczących obserwacji klimatu z ostatnich trzech dziesięcioleci. „Opracowaliśmy również modele statystyczne, które pozwoliły nam lepiej zrozumieć związek między klimatem i plonami, a także zbadać przewidywalność plonów w zależności od sezonu”, twierdzi Marco Turco, stypendysta działania „Maria Skłodowska-Curie” z Centrum Superkomputerowego w Barcelonie.
Nowe narzędzie do monitorowania
Naukowcy w pierwszej kolejności zajęli się oceną długoterminowych i ciągłych zbiorów danych klimatycznych pod kątem SPI – wskaźnika standaryzowanego opadu (ang. Standardised Precipitation Index). Na całym świecie SPI jest powszechnie stosowanym wskaźnikiem do opisywania suszy w różnych okresach. W przypadku krótkich okresów wskaźnik SPI jest ściśle związany z wilgotnością gleby, natomiast w perspektywie długoterminowej może być wykorzystywany do szacowania objętości wód podziemnych i retencji wód w zbiornikach. Wskaźnik ten może być również porównywany między regionami charakteryzującymi się wyraźnie zróżnicowanymi warunkami klimatycznymi. Badacze stworzyli także zestaw danych DROP – DROught Probabilistic, pozwalający na monitorowanie suszy za pomocą podejścia probabilistycznego. Opracowane przez nich narzędzie do monitorowania klimatu wykorzystuje szereg obserwacji w celu uzyskania najlepszych przybliżonych prognoz dotyczących opadów, a także wartości niepewności dotyczących otrzymanych danych. Inspiracją dla opracowania zestawu DROP było wielomodelowe podejście wykorzystywane w prognozowaniu pogody i klimatu, a celem było stworzenie narzędzia pozwalającego na uzupełnienie informacji znajdujących się w istniejących zbiorach danych klimatycznych. „Dzięki zbiorowi DROP zajęliśmy się w pierwszej kolejności oceną jakości długoterminowych i ciągłych danych klimatycznych pod kątem bieżącego monitorowania suszy meteorologicznych”, wyjaśnia Turco. „Następnie stosując metody grupowania naśladujące metodologie prognozowania pogody i klimatu, rozwinęliśmy zbiór DROP, który stał się opartym na siatce globalnym zbiorem danych wykorzystującym grupy zbiorów bazujących na obserwacjach w celu uzyskania najlepszej prognozy w czasie zbliżonym do rzeczywistego wraz z powiązaną z nią niepewnością”.
Lepsze praktyki rolnicze
Zbiór danych DROP został opublikowany w czasopiśmie naukowym „Bulletin of the American Meteorological Society” (BAMS). Przedstawiony zbiór danych obejmował wartości uzyskane z zestawu punktów siatki w celu monitorowania suszy, które okazały się niezwykle cenne zarówno dla społeczności naukowej, jak i dla ogółu społeczeństwa. „Nowy zbiór danych pozwoli na lepsze zrozumienie interakcji między klimatem i plonami, a także na wyciąganie nowych wniosków, które przełożą się na bardziej efektywne praktyki rolnicze, wspierając zarówno decydentów politycznych, jak i podmioty rynkowe w procesie podejmowania globalnych decyzji politycznych dotyczących priorytetów w zakresie dostosowania upraw do zmiany klimatu, zwłaszcza w krajach, w których monitorowanie meteorologiczne nadal pozostawia wiele do życzenia”, zauważa Turco. Naukowcy mają nadzieję, że wysokiej jakości dane probabilistyczne uzyskane dzięki zbiorowi DROP będą przydatne w zastosowaniach związanych z monitorowaniem oraz posłużą jako punkt odniesienia dla kalibracji i weryfikacji modeli dotyczących zależności między klimatem i plonami. Można go również wykorzystać do opracowania zintegrowanego modelu dotyczącego upraw oraz klimatu, który połączy empiryczne modele upraw z sezonowymi prognozami, jednocześnie uwzględniając niepewność obserwacji. „Kwantyfikacja niepewności dotyczącej monitorowania suszy na potrzeby rolnictwa stanowi klucz do przełożenia tych danych na użyteczne informacje. Dlatego właśnie zespół projektu CLIM4CROP może dostarczyć dokładnych i aktualnych informacji na temat suszy, pozwalających na proaktywne zarządzanie związanym z nią ryzykiem przed jej wystąpieniem i zastąpienie dotychczasowego podejścia opartego na reagowaniu na katastrofy po ich wystąpieniu”, podsumowuje Turco.
Słowa kluczowe
CLIM4CROP, zestaw danych, monitorowanie, prognoza sezonowa, DROught Probabilistic (DROP), wskaźnik standaryzowanego opadu, Standardised Precipitation Index (SPI), zmiana klimatu, zestaw danych oparty na siatce
