simulacija interakcije zemljište-usev-atmosfera osnovni principi · 2017-04-19 · (n. monteith...
TRANSCRIPT
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