Simulacija interakcije zemljište-usev-atmosfera

Osnovni principi

Josef Eitzinger

Institute of MeteorologyUniversity of Natural Resources and Applied Life Sciences, Vienna

1. Modeli-uvod

2. Modeli biljne proizvodnje- principi

3. Provera modela

4. Izabrane aplikacije / rezultati

1. DefinicijeKoncepti osnovnih modela

Opisni modeli (empirijski, statistički)

ModelliertesPhänomen

RealesPhänomen

BeschreibendesModell

BeschreibungSimulation

Mehanicistički modeli (dinamički, procesno orijentisani)

ModelliertesPhänomen

RealesPhänomen

ErklärendesModell

Kenntnis derSystemprozesse

Simulation derSystemprozesse

Modeli i njihova povezanost sa prostornimi vremenskim razmerom

Sat Dan Mesec

Biljka

Polje

Godina

Fiziološki modeli

Mikroklimatski

Modeli gajenjadrveća

Polje

Područje

Opšti

Ekosistem modeliHidrološki modeli

Regionalni klimatski modeliModeli površine zemlje (SVAT)

Globalni klimatski modeli (uklju čujući SVAT)

modeli Agrometeorološki modeli

Problemi:prostornounošenjepodataka

alati podrške : GIS, metodedaljinskog

upravljanja

je softverski alat koji simulira složene procese razvoja biljke sa različitim stepenom pojednostavljenja

Model biljne proizvodnje

Kako?

PRIRODAKompleks, biofizičkih i fizioloških

procesa

MODEL(matematički procesi,

funkcionalne veze)

Ulazni i izlazni parametri

Dnevni podaci o vremenu(Temperatura, padavine, zračenje, vlažnost vazduha, vetar)

Karakteristike zemljišta i biljake, agrotehnika

Scenario

Model biljne proizvodnje

Realni

Ulazni podaci

Model biljne proizvodnje

Detaljne informacije simuliranih procesa

Realni Scenario

Analize, podrška, odluke

Izlazni podaci

Problemi kvaliteta ulaznih podataka(Zemljište, podaci o vremenu, podaci o biljci)

Kvalitet podataka o vremenu:

-Homogenost vremenskih serija (klimatski podaci!)

-Tačnost izmerenih podataka (tehnička)-Tačnost izmerenih podataka (tehnička)

-Reprezentativnost izmerenih podatakaFaktori:

Osobine zemljištaTopografija(!)

Površina zemljišta...

Rezultati modela su ispravni koliko i uneti podaci!!

Dnevni profil

Mikroklimatski varijacije biljnih činilaca(n. Monteith and Unsworth, 1999)

Noćni profil

Heterogenost zemljišta

20

100806040200

Bod

entie

fe c

m

20

40

60

80

1020

3040

Lage des A-Horizontes - Versuchsfeld 40x100m

m

m

Distribution of Soil MoistureCapacitive Sensor (Vitel) [% by Vol]

Meters

Meters

Fallow Crop Field Meadow

Površinska temperatura zemljišta

Distribution of Soil Moisture

Time Domain Reflectometry (Trase) [% by Vol]

Meters

Meters

Fallow Crop Field Meadow

Distribucija vlažnosti zemljišta

Koncept postepenog razmatranja ograničavajućih faktora proizvodnje (svi modeli imaju stepen ograničenja u tom smislu)

Primer MACROS :

Nivo 1: Zračenje, Temperatura, CO2

2. Koncepti modela

Nivo 2: Nivo 1 + Voda

Nivol 3: Nivo 2 + Nutritienti

Nivo 4: Nivo 3 + pesticidi, bolesti itd..

Sa višim nivoompovećava se i kompleksnost modela!

Stufe 2 : Wasserhaushalt als limitierender Faktor

LEVEL 2Dijagram modela kretanja rasta MACROS

Padavine Vlažnost vazduha Zračenje Temperatura

Lisna

površina

Masa stabla

Masa lista

Podela biomase

Stepen razvoja

Vodni

stres

Potencijalna

fotosinteza

evaporacijaTranspiracija,

usvajanje vode

Potencijalna

transpiracija

infiltracija

Stufe 2 : Wasserhaushalt als limitierender Faktor

Rast

Prinos

Masa korena

Masa stablaPostojeća fotosinteza

Podela biomase

Disanje za rast i

održivost

Rezerve

Parametri vremena

Protok informacija

Kretanje mase

Pomoćne

varijable

procesi

varijable

Pretpostavka: nema drugih razvojnih ograničenja

Voda u zemljištu u

zoni korena

Kapilarni izvordrenaža

Osnovni procesi nivoa1

Zračenje

CO2

Nadzemna struktura

Lisna površina

Fotosinteza lista Akumulacija biomase sa stanovišta biljke

Temperatura … Zaklanjanje svetlosti…

Fotosintetska funkcija lista (Penning de Vries, 1989)

PL = PLMX * (1 - EXP(-PLEA * PAR/PLMX))

PL = Ukupna fotosinteza u kg CO2 ha-1 h-1

PAR = aktivno zračenje absorbovano fotosintezom (400-700 nm)PLEA = početna aktivnost fotosinteze kg CO2 ha-1 h-1 / J m-2 h-1

PLMX = Maksimalna jačina fotosinteze in kg CO2 ha-1 h-1

Maksimalna jačina fotosinteze lista

Fot

osin

teza

Uticaj temperature i CO2 na maks. jačina fotosint.

Temperatura lista

Fot

osin

teza

Kinetičke reakcije- pravilo temperature:

ln Q10 = 10 / ( T2 - T1 ) . ln k2/k1T2 - T1 = Raspon temperaturak2 , k1 = brzina reakcijeQ10 = ca. 1,4 - 2 (za enzimske procese npr. održavanje disanja)

Specifičnost biljke! Uticaj ekstrema i

vremenskog perioda!

Uticaj temperature na akumulaciju neto biomase (Lundegardh, 1924)

vremenskog perioda!

frakcije ugljenih hidrata za rast

Visina biljke

Faze razvoja i podela biomase (Penning de Vries, 1989)

Faze razvoja

Energetski bilans i njegov odnos prema vodnom bilansu

0 = Rn - G - H - L.E (+- ∆S)

Rn = bilans zračenjaG = toplotni fluks zemljištaH = osetljivost toplotnog fluksaL.E = Latentni toplotni fluks

(evapotranspiracija)L = latentna toplota (2,45*106 J/kg)E = količina vode

∆S = energija deponovana u biomasiJedinica : MJ.m-2 d-1 or W.m-2

0 = N - L.E - A +- ∆Sw +K - D

N = PadavineLE = EvapotranspiracijaA = Runoff, ∆SW = Voda deponovana u zemljištuK = kapilarni rast, D = DrenažaJedinica : mm (Energy equivalent : 2,45 MJ)

Energetski bilans

Vodni bilans

Stvarna evapotranspiracija (ETP) i transpiracija

Kutikula

Epidermalne ćelije

Ćelije mezofila

Međućelijski prostor

Vodena para

List

Atmosfera

Referentni

stomaterna regulacija i ETP otpornost(Allen, 1998)

Evapotranspiraciona površina

Aerodinamična otpornost

StomaterniKutikularni

Zemljišni Površinski otpor

Referentni nivo

( )

rr

1γ

r

)e - (e c ρ G R

λET

a

s

a

aspan

++∆

+−∆=

Penman-Monteith jednačina površine vegetacije

Problemi proračuna ETP

ra λET = aktuelna ETP (Evapotranspiracija) [mm d-1]Rn = bilans zračenja [MJ m -2 d-1]G = fluks toplote u zemljište [MJ m-2 d-1]es = pritisak zasićene pare[kPa]ea = aktuelni pritisak pare[kPa]es-ea = deficit pritiska pare[kPa]∆ = nagib krive pritiska zasićene pare [kPa°C-1]γ = psihrometrijska konstanta[kPa °C-1]ρa = gustina vazduha[kPa°C-1]cp = specifična toplota vazduha [kPa°C-1]rs = najveći otpor[s m-1]ra = otpornost[s m-1]

( ) ( )( )

u 0,34 1

e - e u 273 T

900 R 408,0

2

as2n

++∆+

+−∆=

γ

γGETo

FAO grass reference Eto (Allen, 1998)

Pojednostavljen način za obračun stvarne ETP(FAO metod)

Cilj : smanjenje broja unetih parametara- prakti čna primenljivost

Parametri

ET = Eto * K c * K ca

Lisna površina, visina biljke

Sadržaj vode u zemljištu

Parametri vremena

Karakteristike useva

menadžment

Faktori okruženja

Karakteristike zemljišta i vodni bilans

Odnos sadržaja vode u zemljištu i vodnog potencijala kod različih zemljišta (pF-kriva) (n. Scheffer u. Schachtschabel, 1982)

Koncepti kalkulacije vodnog bilansa zemljišta

1. Pojednostavljen: Kaskadna metoda (jednostavan pristup bilansu svakog sloja)

(samo vertikalni protok vode na dole) samo za svetlo (peščana itd) zemljišta, sa slobodnom drenažom, bez kapilarnog porasta od podzemnih voda

2. Kompleksan: Razmatranje hidraulične provodljivosti i -potencijala

(jedno- do trodimenzionalni protok)

- Darcy-ev metod (1856)Q = K(h)*(∂h/∂z)

- Richard-ov metod (1941)∂θ/∂t = ∂[K(h)*( ∂h/∂z +1)] ∂z – S(h)

Q – Količina vode/vremena/površine,θ – Sadržaj vode, t - vreme, S -Izvor/Odvod,

K – Hidraulična provodljivost, h – vodni potencijal zemljišta, z – vertikalna razdraljina

Problem usvajanja vode korenom

W = A : (ΦBoden - ΦWurzel ) / Σ r

W = Absorbovana količina vodeA= oblast razmene (u cm2 / cm3)Φi= hidraulični potencijal korena, zemljištar= Hidr. Otpornost zemljišta, kontakt zemljište-koren/biljka ( Gardner)

Vrste korena (Cannen, 1949)

koren/biljka ( Gardner)

3. Model verifikacije

Parametrizacija i kalibracija

Model ograničene adaptivnosti npr. za ratarske kulture(koriste se eksperimentalni podaci iz polja)

Validacija

Testiranje modela korišćenjem nezavisnih podataka(koriste se statističke metode)

Analize osetljivosti

Analize reakcije modela na postepene promene ulaza (koristi se za model poređenja)

Cela godina

Samo period rasta

vap

otr

ansp

iraci

ja (

mm

)

Mereni (Lysimeter) i simulirani ETP

Samo period rasta

Eva

po

tran

spira

cija

(m

m)

dstupanja od merenih i simuliranih vrednosti (%)

Meren

i(Lysimeter) i sim

uliran

i sadržaj vo

de u

zemlj

ištu

Dan posle setve

Odstupanja od merenih i simuliranih vrednosti (%)

160

170

180

190

200

210

220Ju

lian

day

flowering (simulated)

flowering (observed)

maturity (simulated)

maturity (observed)

Cvetanje (simulirano)Cvetanje (mereno)Zrenje (simulirano)

Zrenje (mereno)

Julij

ans

ki d

an

1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Year

140

150

160

Stvarna vs.simulirana fenologija ozime pšenice (CERES Wheat Model)

Julij

ans

ki d

an

Godina

Sim

ulira

ni p

rinos

verifikacija

Stvarni vs. simulirani prinos ozime pšenice(CERES Wheat Model)

Eksperimentalni prinos

Sim

ulira

ni p

rinos

verifikacijakalibracija

Primer :

4. Aplikacioni model (primeri)

Simulacija dinamičkih procesa u sistemu zemljište-biljka-atmosfera omogućava detaljnu analizu sistema

i razvoj mnogih scenarija

- Uticaj klimatskih promena na rast biljke, bilansvode i prinos useva....

- Uticaj razli čitih opcija upravljanja

-Raspored alata za: navodnjavanje, đubrenje. -Kontrola štetočina i bolesti,...

Uticaj kllimatskih promena na jari ječam

MEDIAN

5

25 75

95

Perzentile

rin

os

po

d

utic

ajem

str

esa

Po

ten

cija

lni

pri

no

s

2 x CO2 -koncentracije

aktuelne (1x)

CO2 -koncentracije

Direktni CO 2-efekat :

↑ Fotosinteze

↑ Iskorišćavanja vode

~9.5% povećanje prinosa/100 ppm CO2

+Indirektni CO 2-efekat :

↑ Povećana stopa razvoja

↑ Više vodnog stresa=

kombinovani

CO2-efekat

Prinos zrna

Prin

os

po

d

utic

ajem

str

esa

-20

-10

0

10

20

Aus

wir

kung

auf

Win

terw

eize

nert

rag

(%)

ECHAM4

HadCM2

CGCM1

CSIRO-Mk2b

GFDL-R15

2020er

2020er

ohne CO2 effekt mit CO2 ef fekt

Ohne Zunahme von Extremereignissen !

Modellierte Klimaszenarien

2050er 2080er

2050er 2080er

Month

-30

-15

0

15

30

∆P (

%)

b)

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

ECHAM4HadCM2

CGCM1

CSIRO-Mk2b

Uticaj klimatskih promena na prinos ozime pšenice u Austriji

Month

0

1

2

3

4

5

6

∆T (

o C)

a)

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

-20 Modellierte Klimaszenarien

1 2 3

-40

-30

-20

-10

0

∆N (

day

s)ECHAM4

HadCM2

CGCM1

CSIRO-Mk2b

GFDL-R15

2020s 2050s 2080s

a)

Uticaj povećanja temperaturne varijabilnosti na prinos pšenice (2080s)

Prinos zrna

0 0.5 1 1.5 2

0

10

20at

ion

chan

ges

(%)

0

10

20

-3

-2

-1

0

1

2

3

Grain yield chan

ge

a) Koli čina vode u zemljištu

300 mm

rom

ene

pad

avin

a

Prom

ene p

rino

sa zrna

0 0.5 1 1.5 2

Air temperature changes (oC)

-20

-10

Pre

cipi

ta

-20

-10

-8

-7

-6

-5

-4

-3 es (%)

Osetljivost prinosa pšenice na promene temperaturne i količine padavina

Pro

men

e p

adav

ina

Promene temperature vazduha

rom

ene p

rino

sa zrna

0 0.5 1 1.5 2

0

10

20ta

tion

chan

ges

(%)

0

10

20

-12

-8

-4

0

4

Grain yield chang

es

b)Koli čina vode

u zemljištu100mm

rom

ene

pad

avin

a

Pro

men

e prin

osa zrn

a

0 0.5 1 1.5 2

Air temperature changes (oC)

-20

-10

Pre

cipi

-20

-10

-24

-20

-16

s (%)

Osetljivost prinosa pšenice na promene temperaturne i količine padavina

Pro

men

e p

adav

ina

Promene temperature vazduha

14

17

20

23

field capacity (28% )

initi

al s

oil m

oist

ure

[%]

1 x CO2 2 x CO2 (CGCM1 Scenario) Kapacitet polja

Inic

ijaln

a v

lažn

ost z

em

ljišt

a

0 2000 4000 6000 8000 10000 12000 14000

wilt ing point (11% )

grain yields [kg/ ha]

Sadržaj vode u zemljištu u jesen i uticaj na prinos ozime pšenice (semi aridni region istočne Austrije)

Prinos zrna

Inic

ijaln

a v

lažn

ost z

em

ljišt

a

Tačka venjenja

Promene prinosa jarog ječma usled promene

datuma setve(ECHAM4 - 2080er, NE-

Austria)

Sowing date changes (days)

5500

6000

6500

7000

7500

8000

Sim

ulat

ed b

arle

y yi

eld

(kg/

ha)

7510

6344

a)

(current)

28.III

0 -10 -20 -30 -40 -50

Promena datuma setve (dani)

Sim

ulir

ani p

rino

s ječ

ma

5500

6000

6500

7000

7500

Sim

ulat

ed b

arle

y yi

eld

(kg/

ha)

*

b)7100

64766598

no c

hang

e

decreasing increasing

Sowing date changes (days)

Prinos jarog ječma usled povećanja perioda nalivanja kukuruza

(ECHAM4 - 2080er, N Austria)

smanjeno

Promena datuma setve (dani)

Sim

ulir

ani p

rino

s ječ

ma

povećano

5. PredvidjanjaBudući potencijali primene modela za simulaciju useva:

- Podizanje nivoa znanja o procesima rasta biljaka i poboljšanje modela

- Veća i bolja dostupnost prostornih ulaznih podataka(prostorne aplikacije će se povećati)

- Isplativija merenja (meteorološke stanice na nivou farme)

-Kombinovanje sa daljinski ispitivanim podacima(sistemi “Praćenja rasta useva”)

- Bolja dostupnost PC, softvera, Interneta(“online” sistema)

Simulacioni model useva

Izabrali ste pokretanje simulacije sa sledećim parametrimaMet. Stanica

UsevZemljište