Modul Ökologie

www.landcare2020.de CLM

18x18 km

DWD Stationsdaten WETTREG

Stationsdaten

TP2.2 CLM 5x5 km

TP2.3 TERRA 2.8x2.8 km

TP2.1 Klimadatenbank 20, 5, 2.8, 1 km Gitter

TP5 RAUMIS

TP1.3 EÖM

TP3 Parameter

Sozioökon. Szenarien Landnutzung

TP4 MONICA Parameter

TP1.2

SVAT-CN Szenarien

C-/H

O-Flüsse

TP1.1

TP6 DSS

TP1.1 Koordination

Nutzeranforderungen

Operationelles DSS U s e r In te rf a c e S im u la ti o n C o n tr o l M o d e l D B C li m a te D B G IS D B

Modul Ökologie

Datenaustausch (Landnuntzung, Boden)

Vergleich von Simulations- ergebnissen Klimadaten

Simulationsergebnisse für verschiedene Szenarien

DSS

TP 2

TP 3 TP 1.2 TP 4

Pflanzenphysiologische Daten für unterschiedliche CO

-Konz.

(FACE)

Indikatoren, Algorithmen

und Szenarien

www.landcare2020.de www.landcare2020.de www.landcare2020.de

TP 3 Prozessstudien

Teilprojekt 3: Experimentelle Beiträge zur Verbesserung modellbasierter Anpassungsempfehlungen an regionale

Klimaänderungen in der Landwirtschaft:

Rückkopplungseffekte zwischen zukünftigen atmosphärischen CO ₂ -Konzentrationen

und Wasserhaushaltsgrößen in Agrarökosystemen

Remy Manderscheid

Institut für agrarrelevante Klimaforschung,

Johann Heinrich von Thünen-Institut (vTI), Bundesforschungsinstitut für

Ländliche Räume, Wald und Fischerei

Freiland-CO ₂ -Anreicherungs (FACE)-Experimente mit Wintergetreide, Zuckerrüben und Mais

Remy Manderscheid

Institut für agrarrelevante Klimaforschung,

Johann Heinrich von Thünen-Institut (vTI), Bundesforschungsinstitut für

Ländliche Räume, Wald und Fischerei

www.landcare2020.de

Freiland-CO

-Anreicherungssystem - Free Air Carbon Enrichment (FACE)

CO

-Tank CO

-Verdampfer

Gebläse und CO

- Dosierung

CO

-Konzentration Windgeschwindigkeit Windrichtung

Steuerung Sensoren

Ausströmrohre Ringleitung

Kontrolle

50 t

Erhöhung der CO

von ca. 380 ppm auf 550 ppm

www.landcare2020.de

TP 3 Prozessstudien

www.landcare2020.de www.landcare2020.de

Jahr Pflanze Faktoren Messprogramm

2000 Wintergerste St ck st o f d ü n gu n g P f an ze n w ac h st u m Er tra g u n d Q u ali tä t B es ta n d es kli m a ( D W D ) W as se rh au sh alt - B o d en

2001 Zuckerrübe 2002 Winterweizen 2003 Wintergerste 2004 Zuckerrübe 2005 Winterweizen

2007 Mais

W as se r-v er so rg u n g W as se r-h au sh alt – P f an ze & B o d en

2008 Mais

TP 3 Prozessstudien

Kultur Jahr (t ha

) CO

-Wirkung 375 ppm 550 ppm (%)

Wintergerst e (Theresa)

2000 2003 16.8

12.2 18.2

14.3 + 8.1 + 17.6 Zuckerrübe

(Wiebke &

Impuls)

2001

2004 23.0

23.7 24.8

25.3 + 8.1 + 6.6

Winterweiz en

(Batis)

2002 2005 12.7

16.8 14.6

19.4 + 14.5 + 15.2

CO ₂ -Wirkung auf oberirdische Biomasse (bei praxisüblicher Düngung)

www.landcare2020.de www.landcare2020.de

Jahr Ertragsgröße CO

-Effekt (%)

Wintergerste (« Theresa »)

2000 Kornertrag + 7.5

+ 16.5

2003

Zuckerrübe (« Wiebke & Impuls »)

2001 Rübenfrisch-

masse + 7.8

+ 7.1

2004

Winterweizen ^{(« Bats »)}

2002 Kornertrag + 15.5

+ 15.8

2005

CO ₂ -Wirkung auf Ertrag (bei praxisüblicher Düngung)

TP 3 Prozessstudien

CO ₂ -Wirkung auf Ertragsqualität (bei praxisüblicher Düngung)

Kultur Jahr

N% im Korn CO

-Wirkung 375 ppm 550 ppm (%)

Gerste

2000 1.90 1.61 - 15.1

2003 1.94 1.73 - 10.8

Weizen

2002 2.35 2.28 - 3.0

2005 2.00 1.72 - 13.9

www.landcare2020.de

0 1 2 3 4 5 6

24.Mai 13.Juni 3.Juli 23.Juli 12.Aug. 1.Sept. 21.Sept.

B la tt fl ä ch en in d e x ( m

m

)

www.landcare2020.de

375 ppm 550 ppm

2001: - 18% * 2004: - 23% *

Unerwartete Wachstumsreaktionen auf die CO ₂ -Anreicherung

TP 3 Prozessstudien

Zuckerrüben unter 550 ppm CO

im August 2001

unerwartete Wachstumsreaktionen auf die CO ₂ -Anreicherung

www.landcare2020.de www.landcare2020.de

Versuchsringfläche ohne CO

-Anreicherung Versuchsringfläche mit CO

-Anreicherung

Oberflächentemperatur des Getreidebestandes CO ₂ -Wirkung auf Bestandesklima

TP 3 Prozessstudien

375/ 550 ppm CO

CO ₂ -Wirkung auf Bodenwasserhaushalt

Bodenfeuchte, Winterweizen 2005

www.landcare2020.de www.landcare2020.de

Zusammenfassung der CO ₂ -Effekte bei den einzelnen Kulturen

TP 3 Prozessstudien

Fruchtart Biomasse Ertrag Ertragsqualität Bodenfeuchte Thermo- grafie

Wintergerste + + - + +

Winterweizen + + - + +

Zuckerrübe + + + + +

Mais

CO ₂ -Wirkung auf Oberflächentemperatur des Maisbestandes, Juli 2007

Maisresultate von 2007 liegen im Frühjahr vor zu:

• Biomasse und Ertrag

• Bestandeswasserhaushalt

-Gaswechseldaten (zu CO

und H

O) auf Einzelblattebene -Saftflusswerte zur Transpiration auf Einzelpflanzenebene -Bodenfeuchte

-Bestandesklima

- Übergeben an TP4

www.landcare2020.de

Datenaustausch (Landnuntzung, Boden)

Vergleich von Simulations- ergebnissen Klimadaten

TP 1.2 Ökologische Indikatoren

Simulationsergebnisse für verschiedene Szenarien

DSS

TP 2

TP 3 TP 1.2 TP 4

Pflanzenphysiologische Daten für unterschiedliche CO

-Konz.

(FACE) Ziel:

Modellgestützte Analyse möglicher Folgen von Klimaänderungen auf Landwirtschaft und Umwelt

Indikatoren, Algorithmen

und Szenarien

Teilprojekt 4: Modellgestützte Analyse möglicher Folgen von Klimaänderungen auf Landwirtschaft und Umwelt

(AGROCLIM-IMPACT)

Dr. C. Nendel, PD Dr. K.C. Kersebaum, Dr. W. Mirschel Institut für Landschaftssystemanalyse

Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e.V.

www.landcare2020.de

Teil I

Testen verschiedener Algorithmen zur Darstellung des CO ₂ -Effekts auf das Pflanzenwachstum

Dr. C. Nendel, PD Dr. K.C. Kersebaum, Dr. W. Mirschel Institut für Landschaftssystemanalyse

Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e.V.

TP 4 Modellplattform

Das Modell

• Integration verschiedener Algorithmen zur Darstellung von CO ₂ -Effekten auf

 Pflanzenwachstum

 Bodenwassergehalt

• Modellgrundlage: ein funktionierendes Boden-Pflanze-Prozessmodell (HERMES)

• Bereits implementierte Rückkopplungseffekte von Temperatur und Bodenfeuchte auf Pflanzenwachstum und -entwicklung

• Neu entwickelte Version mit einer Bibliothek verschiedener CO

-Algorithmen

 Kalibrierung anhand der 374 ppm-Variante mit den Versuchsparametern für den Standort Braunschweig

 Simulation innerhalb der HERMES-Rechenumgebung

www.landcare2020.de

Die Algorithmen

CO ₂ – Pflanzenwachstum:

• Lineares Modell der Strahlungsausnutzung (Bindi, 1996)

• SUCROS-Ansatz: Direkter Effekt von CO

auf Strahlungsausnutzung und Photosynthese (Nonhebel, 1996)

• Michaelis-Menten-Ansatz: Kombinierter Effekt von CO

und Strahlung auf Photosynthese (Hoffmann, 1995)

• Vereinfachtes Prozess-Modell nach Vorbild des Farquhar & von Caemmerer- Modells (Mitchell, 1995)

• Prozess-Modell auf RUBISCO-Ebene (Farquhar & von Caemmerer, 1982)

CO ₂ – Transpiration:

• Kombinierter Ansatz aus Transpirationsmodell (Penman-Monteith) und Reaktionsmodell für Stomata-Widerstand (Yu, 2004)

TP 4 Modellplattform

Die Algorithmen

CO ₂ – Pflanzenwachstum:

• Lineares Modell der Strahlungsausnutzung (Bindi, 1996)

• SUCROS-Ansatz: Direkter Effekt von CO

auf Strahlungsausnutzung und Photosynthese (Nonhebel, 1996)

• Michaelis-Menten-Ansatz: Kombinierter Effekt von CO

und Strahlung auf Photosynthese (Hoffmann, 1993)

• Vereinfachtes Prozess-Modell nach Vorbild des Farquhar & von Caemmerer- Modells (Mitchell, 1995)

• Prozess-Modell auf RUBISCO-Ebene (Farquhar & von Caemmerer, 1982)

CO ₂ – Transpiration :

• Kombinierter Ansatz aus Transpirationsmodell (Penman-Monteith) und

Reaktionsmodell für Stomata-Widerstand (Yu, 2004)

www.landcare2020.de www.landcare2020.de

Jahr Pflanze Faktoren Messprogramm

2000 Wintergerste St ck st o f d ü n gu n g P f an ze n w ac h st u m Er tra g u n d Q u ali tä t B es ta n d es kli m a ( D W D ) W as se rh au sh alt - B o d en

2001 Zuckerrübe 2002 Winterweizen 2003 Wintergerste 2004 Zuckerrübe 2005 Winterweizen

2007 Mais

W as se r-v er so rg u n g W as se r-h au sh alt – P f an ze & B o d en

2008 Mais

TP 4 Modellplattform

Jahr Pflanze Faktoren Messprogramm

2000 Wintergerste St ck st o f d ü n gu n g P f an ze n w ac h st u m Er tra g u n d Q u ali tä t B es ta n d es kli m a ( D W D ) W as se rh au sh alt - B o d en

2001 Zuckerrübe 2002 Winterweizen 2003 Wintergerste 2004 Zuckerrübe 2005 Winterweizen

2007 Mais

W as se r-v er so rg u n g W as se r-h au sh alt – P f an ze &

2008 Mais

www.landcare2020.de

Aktuelle Evapotranspiration:

entspricht einer Differenz von 20mm / Jahr

TP 4 Modellplattform

Bodenwassergehalt [%FK]

www.landcare2020.de

Bodenwassergehalt [%FK]

Soil moisture - ambient CO2, N+, 0-60cm [%FK]

0.0 20.0 40.0 60.0 80.0 100.0 120.0

2000 2001 2002 2003 2004 2005

Soil water content [m3 m-3 ]

Mean Predicted Barley Sugar beet Wheat Barley Sugar beet Wheat

Soil moisture - 550 ppm CO2, N+, 0-60 cm [%FK]

0.0 20.0 40.0 60.0 80.0 100.0 120.0

2000 2001 2002 2003 2004 2005

Soil water content [m3 m-3]

Mean Predicted Barley Sugar beet Wheat Barley Sugar beet Wheat

374 ppm IoA: 0,86

550 ppm IoA: 0,85

TP 4 Modellplattform

Total dry matter - ambient CO2, N+

0.0 5000.0 10000.0 15000.0 20000.0 25000.0 30000.0

2000 2001 2002 2003 2004 2005

Total dry matter [kg ha-1]

Mean Predicted Barley Sugar beet Wheat Barley Sugar beet Wheat

Total dry matter - 550ppm CO2, N+

5000.0 10000.0 15000.0 20000.0 25000.0 30000.0

Total dry matter [kg ha-1]

Mean Predicted Barley Sugar beet Wheat Barley Sugar beet Wheat

374 ppm IoA: 0,99

550 ppm IoA: 0,99

Oberirdische Biomasse [kg TM ha ]

www.landcare2020.de

Yield - ambient CO2, N+

0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000

2000 2001 2002 2003 2004 2005

Total dry matter [kg ha-1 ]

Mean Predicted Barley Sugar beet Wheat Barley Sugar beet Wheat

Ertrag [kg TM ha ^-1 ]

Yield - 550ppm CO2, N+

0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000

2000 2001 2002 2003 2004 2005

Total dry matter [kg ha-1 ]

Mean Predicted Barley Sugar beet Wheat Barley Sugar beet Wheat

550 ppm IoA: 0,97 374 ppm IoA: 0,98

TP 4 Modellplattform

Algorithmen-Vergleich

www.landcare2020.de

Algorithmen-Vergleich

TP 4 Modellplattform

300 350 400 450 500 550 600 650 700 750 800

550 600 650 700 750 800 850 900 950

Hoffmann approach Nonhebel approach Mitchell approach G ro ss a ss im ila tio n [k g C O

h a

d

]

Atmospheric CO

concentration

Algorithmen-Vergleich

0 5000 10000 15000 20000 25000 30000

5000 10000 15000 20000 25000 30000

374 ppm CO

Beobachtet

Simuliert (Hoffmann-Ansatz) Simuliert (Nonhebel-Ansatz) Simuliert (Mitchell-Ansatz)

O be ri rd is ch e B io m as se [ kg h a

]

Wintergerste Zuckerrübe Winterweizen Wintergerste Zuckerrübe Winterweizen

550 ppm CO

www.landcare2020.de

Algorithmen-Vergleich

Angaben als Wilmott‘s Index of Agreement (1.0 = Best Fit)

TP 4 Modellplattform

Teil II

Die Struktur des

MOdel for NItrogen and CArbon (MONICA)

Dr. C. Nendel, PD Dr. K.C. Kersebaum, Dr. W. Mirschel Institut für Landschaftssystemanalyse,

Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e.V.

www.landcare2020.de

Aktuelle Prozessmodelle unterscheiden sich in Ihrer Güte kaum

Modellvergleich

(Kersebaum et al. 2007)

Ertrag

Bodenwassergehalt 

• ZALF-Modelle AGROSIM (Ertrag) und HERMES (Stoff- und Wasserhaushalt) spielen in der ersten Liga

• ZALF-Modelle sind bereits auf regionalen Bezug ausgelegt

• Wichtige Rückkopplungs-Beziehungen sind bereits enthalten

TP 4 Modellplattform

Das Simulationsmodell LandCaRe-DSS „Agroclim-Impact“

(Arbeitsname MONICA) wird auf den Strukturen der ZALF- Modelle basieren

• Wasserhaushalt des Bodens  HERMES + THESEUS

• Stoffhaushalt des Bodens  HERMES + C-Kreislauf nach DAISY (Hansen 1990)

• Pflanzenwachstum  HERMES + AGROSIM

• Bewässerung und Düngung  nach EU-Rotate_N (Rahn et al.

2007)

www.landcare2020.de

TP 4 Modellplattform

Erhaltungsatmung (Tag / Nacht) Wachstumsatmung (Tag / Nacht) Photosynthese

CO

-Assimilation

N in Wurzel- biomasse

vegetative Biomasse

Evaporation Transpiration

Stickstoff- / Wasserstress

seneszente Biomasse oberirdische

Biomasse

N - Entzug

A ss im ila te

N in oberirdischer Biomasse

grüne Biomasse

Evapotranspiration

genera- tives Organ Halm

Blatt

Wurzel





 Ontogenese

2

Das Modell

www.landcare2020.de

Teilprojekt 1.2

Veränderungen pflanzlicher Grundfunktionen und Standortpotenziale unter regionalen Klimaänderungen

Dipl. geoökol. M. Kuhnert, PD Dr. B. Koestner, Dr. E. Falge Institut für Landschaftssystemanalyse

Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e.V.

TP 1.2 Ökologische Indikatoren

Datenaustausch (Landnuntzung, Boden)

Vergleich von Simulations- ergebnissen Klimadaten

Simulationsergebnisse für verschiedene Szenarien

DSS

TP 2

TP 3 TP 1.2 ^{TP 4}

Pflanzenphysiologische Daten für unterschiedliche CO

-Konz.

(FACE) Ziel:

Ökologische Bewertung klimabedingter Änderungen von Standortpotenzialen der Vegetation anhand der pflanzlichen

Primärfunktionen (Grasland und Wald).

Indikatoren, Algorithmen

und Szenarien

www.landcare2020.de

Vorgehensweise:

0 2 4 6 8 10 12 14

11283 2565 3847 5129 6411 7693 8975 10257 11539 12821 14103 15385 16667

Zusammenstellen der Eingangsparameter (Boden, Landnutzung, pflanzenphysiologische Parameter)

Canopy Layer 1 Canopy Layer 2 Canopy Layer 3

...

Canopy Layer n

Canopy

Solar radiation Air temperature [CO2] Relative humidity Wind speed

LAI, SAI

Leaf physiology Phenology

CO2 H2O

Soil Layer 1 Soil Layer 2 Soil Layer 3 ...

Soil Layer n

Soil

Air temperature Wind speed Soil hydraulic

parameters Soil thermal parameters Soil respiration parameters

Precipitation Water extraction

Vapour pressure

Root distri- bution

CO2 H2O effective Ysoil

Simulation mit Prozessmodellen für Wald (z.B. Fichte, Buche, Eiche, Kiefer) und Grasland (mit SVAT-CN)

Aktuelle Arbeiten Eingangsdaten sind

zusammengetragen

Erstellen von Indikatoren und Algorithmen für Standortpotentiale

Zukünftige Aufgaben

TP 1.2 Ökologische Indikatoren

SVAT-CN:

Komplexes ökophysiologisches Modell:

• Prozess-Modell auf RUBISCO-Ebene (Farquhar & von Caemmerer, 1982)

• Stomata-Leitfähigkeit als Funktion der NP und der CO

-Konz. (Ball et al., 1987)

• Stomata-Leitfähigkeitsreduktion als Funktion des Matrixpotentials (Reichstein, 2001)

• Wassertransport im Boden über geschichtes “bucket”-Modell mit numerischer Lösung der Richards-Gleichung (Moldrup et al., 1989)

• Photorespiration nach Enzymkinetik (Harley und Tenhunen, 1991)

Mehrschichtiges Modell

Eindimensional mit ½ h oder 1 h Zeitintervallen

Berechnet die Primärproduktion, CO - und Wasserflüsse

www.landcare2020.de Photosyntheserate [gC/m2/a]

662 663 - 700 701 - 750 751 - 800 801 - 850 851 - 900 901 - 950 951 - 1000 1001 - 1050 1051 - 1100 1101 - 1150 1151 - 1200 1201 - 1250 1251 - 1300 1301 - 1350 1351 - 1400

2004 (Niederschlag: 850 mm; PAR: 225 mol m

s

)

2005 (Niederschlag: 875 mm; PAR: 225 mol m

s

)

2006 (Niederschlag: 744 mm; PAR: 246 mol m

s

)

+50 ppm

+50 ppm +50 ppm

+100 ppm

+100 ppm +100 ppm

+150 ppm

+150 ppm +150 ppm

+200 ppm

+200 ppm +200 ppm heute

heute heute

Mögliche Darstellung (Buche im

Weißeritzkreis):

Anstieg der CO ₂ -Konzentration

TP 1.2 Ökologische Indikatoren

-0,2 0,0 0,2 0,4 0,6 20 16 12 8 4 0

0 1000 2000

pn et [g C /m

] N ie de rs ch la g [m m ]

P A R [m m ol m

s

]

Auswirkungen von Trockenperioden innerhalb des Jahres 2006 (Fichte im Weißeritzkreis):

Juli: 11 mm Niederschlag

Sonneneinstrahlung bleibt hoch

Photosyntheserate verringert sich als Folge der

Trockenperiode

www.landcare2020.de

Relative Photosyntheseraten [%]

PAR

[mol m

s

]

Temp.

[°C] CO2-Konz.

[ppm] NS

[mm]

2003 251 9,0 381 502

MW 225 8,6 369 876

Änderungen der Nettophotosyntheseraten bei veränderten CO ₂ -Konz.

am Beispiel der Fichte:

Vergleichsdaten:

2020: ca. + 20 - 40 ppm CO

2040: ca. + 60 - 100 ppm CO

FACE: ca. + 150 ppm CO

TP 1.2 Ökologische Indikatoren

Mittelwert (MW) : mittleres Jahr (2000-2006 ohne 2003)

Absolute Photosyntheseraten [gC/m

/a]

Zusammenfassung

• TP3: Höhere CO ₂ -Konzentratonen führen zu höheren

Photosyntheseraten und verbesserter Wasserausnutzung. Efekt im Feld (FACE) jedoch geringer als in der Kammer.

• TP4: Verfügbare CO 2 -Algorithmen erbringen ähnliche Leistung.  Mit dem „Testsieger“ ist bereits eine zufriedenstellende

Simulaton der TP3-Daten im MONICA-Vorläufer möglich.

• TP1.2: Erste Simulatonen mit komplexem Modell SVAT-CN

vollziehen die Beobachtungen aus TP3 für Waldstandorte nach.

www.landcare2020.de

Ausblick

• TP3: Mais-Kampagne 2007 abgeschlossen, Daten an TP4 übergeben. Mais-Kampagne 2008 läuft an.

• TP4: Suche nach geeigneten Algorithmen abgeschlossen.

MONICA-Entwicklung läuft im Plan.

• TP1.2: Eingangsdaten sind zusammengetragen. SVAT-CN Simulatonen laufen im Plan. Indikatorenableitung steht an.

Modul Ökologie

Ende

Danke!