Geospatial crop yield modeling for climate change risk transfer, impact assessment, and adaptation strategies
| dc.date.accessioned | 2023-07-25T16:36:49Z | |
| dc.date.available | 2023-07-25T16:36:49Z | |
| dc.date.issued | 2023 | |
| dc.identifier | doi:10.17170/kobra-202307178379 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/14925 | |
| dc.language.iso | eng | |
| dc.relation.haspart | doi:10.3390/agronomy10111674 | |
| dc.relation.haspart | doi:10.3390/rs13122379 | |
| dc.relation.haspart | doi:10.1016/j.eja.2022.126655 | |
| dc.rights | Namensnennung 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
| dc.subject.ddc | 550 | |
| dc.subject.ddc | 570 | |
| dc.subject.ddc | 600 | |
| dc.subject.ddc | 630 | |
| dc.title | Geospatial crop yield modeling for climate change risk transfer, impact assessment, and adaptation strategies | eng |
| dc.type | Dissertation | |
| dcterms.abstract | Changing climate and weather patterns increase the pressure on food production systems worldwide, significantly impacting livelihoods and economies at various scales. Understanding and adapting/mitigating climate change are essential to cope with the adverse effects of climate change. Biophysical crop modeling offers a unique way to assess the pros and cons of different adaptation strategies because they integrate physical and biological principles to simulate the use and allocation of captured resources mechanistically. However, most crop modeling approaches use field-based or national scale modeling, which is difficult to transfer or upscale to the regional level. Geospatial modeling is required o develop climate change policies and adaptation strategies based on an integrated, evidence-based, and climate-smart approach to address national food security and farmers’ welfare at all levels. This dissertation focuses on developing geospatial crop yield modeling approaches. Then, the developed approaches are applied in three studies to address climate risk transfer, impact assessment, and evaluation of adaptation measures. First, we used the Decision Support System for Agrotechnology Transfer (DSSAT) to estimate rice yield and yield anomalies at ∼5 km spatial resolution to give a scientific basis for payout insurance on time (climate risk transfer) in India. Secondly, we further downscaled this method by utilizing a Gradient Boosted Regression (GBR), a machine learning technique, and remote sensing to estimate rice yields at ∼500 m spatial resolution for rice-producing areas in India. This application also serves to inform insurance as a climate risk transfer solution. Thirdly, we used the DSSAT to quantitatively assess Sorghum’s impacts on climate change and adaptation measures in Burkina Faso (impact assessment and evaluation of adaptation measures). The first study uses a biophysical crop modeling approach and accesses publicly available datasets to get reliable near-real-time rice crop simulations for India, a major rice producer. Model simulations at ∼5 km spatial resolution attained a relative Root Mean Square Error (rRMSE) of less than 20% between observed and simulated yield anomalies in almost half of all rice-growing districts, a minimal error in insurance payouts. The outputs are available soon after harvest, a near-real-time yield loss estimation. This is especially useful for crop insurance decisions, particularly the Indian governmental PMFBY scheme. Moreover, this approach could be scaled to further regions and more crops, which utilize only publicly available datasets. Second, a downscaling approach to estimate rice yields in India on ∼500 m spatial resolution integrates remote sensing data with a machine learning technique that could potentially be applied for timely and reliable yield estimation. This approach concludes that the GBR is feasible across India and may complement current approaches for timely rice yield estimation required by insurance companies and government agencies. This approach also can be scaled up to various regions. However, scaling up depends on the availability and scale of observations. For the third study, we simulated sorghum yields in Burkina Faso using DSSAT under current and projected climatic conditions and evaluated four adaptation strategies (Integrated Soil Fertility Management, Irrigation, Improved varieties, and Agroforestry). These assessments provide further impetus for research in local trials and the implementation of adaptation measures by governments, non-governmental agencies, farmer’s organizations, extension workers, and farmers. It could also solve issues such as the lack of convincing demonstration that the technologies provide significant benefits. This dissertation concludes that geospatial crop modeling is feasible for climate risk transfer and impact and adaptation studies that can be used for national and sub-national level planning purposes in data-scarce regions. | eng |
| dcterms.abstract | Sich ändernde Klima- und Wettermuster erhöhen weltweit den Druck auf die Lebensmittelproduktionssysteme, was erhebliche Auswirkungen auf die Lebensgrundlagen und die Wirtschaft auf verschiedenen Ebenen hat. Um die negativen Auswirkungen des Klimawandels zu bewältigen, ist es unerlässlich, den Klimawandel zu verstehen und sich an ihn anzupassen bzw. ihn abzumildern. Die biophysikalische Modellierung von Ertragsmodellierung bietet eine einzigartige Möglichkeit, die Vor- und Nachteile verschiedener Anpassungsstrategien zu bewerten, da sie physikalische und biologische Prinzipien integriert, um die Nutzung und Allokation von erfassten Ressourcen mechanistisch zu simulieren. Die meisten Ansätze zur Modellierung von Nutzpflanzen basieren jedoch auf feldbasierten oder nationalen Modellen, die sich nur schwer auf die regionale Ebene übertragen oder hochskalieren lassen. Georäumliche Modellierung ist erforderlich, um politische Maßnahmen und Anpassungsstrategien an den Klimawandel zu entwickeln, die auf einem integrierten, evidenzbasierten und klimafreundlichen Ansatz beruhen, um die nationale Ernährungssicherheit und das Wohlergehen der Landwirte auf allen Ebenen zu gewährleisten. Diese Dissertation konzentriert sich auf die Entwicklung eines georäumlichen Modellierungsansatzes für Ernteerträge. In drei Studien wird dieser Ansatz für die Übertragung von Klimarisiken, die Folgenabschätzung und die Bewertung von Anpassungsmaßnahmen eingesetzt. Erstens haben wir das Decision Support System for Agrotechnology Transfer (DSSAT) für Indien angewendet, um Reiserträge und Ertragsanomalien mit einer räumlichen Auflösung von 5 km zu schätzen, um damit eine wissenschaftliche Grundlage zu liefern damit Versicherungen rechtzeitig ausgezahlt werden können (Klimarisikotransfer). Zweitens haben wir diese Methode weiter herunterskaliert und eine Gradient Boosted Regression (GBR), eine Technik des maschinellen Lernens und der Fernerkundung, verwendet, um die Reiserträge mit einer räumlichen Auflösung von 500 m für die Reisanbaugebiete in Indien zu abzuschätzen. Auch diese Anwendung dient der Informierung von Versicherungen ausgezahlt (Klimarisikotransfer). Drittens haben wir DSSAT eingesetzt, um die Auswirkungen des Klimawandels und Anpassungsmaßnahmen für Sorghum in Burkina Faso quantitativ zu bewerten (Folgenabschätzung und Bewertung von Anpassungsmaßnahmen). Die erste Studie verwendet einen biophysikalischen Ansatz zur Modellierung von Kulturpflanzen und greift auf öffentlich verfügbare Datensätze zu um zuverlässige Echtzeitsimulationen der Reiskulturen in Indien, einem wichtigen Reisproduzenten, durchzuführen. Bei Modellsimulationen mit einer Auflösung von 5 km wurde ein relativer Root Mean Square Error (rRMSE) von weniger als 20% zwischen beobachteten und simulierten Ertragsanomalien in fast der Hälfte aller Reisanbaugebiete erreicht, was einen minimalen Fehler bei den Versicherungszahlungen darstellt. Die Ergebnisse stehen kurz nach der Ernte zur Verfügung stehen und zusätzlich ermöglicht dieser Ansatz eine zeitnahe Überwachung der Ernte während der Saison. Dies is von Vorteil bei Entscheidungen über Ernteversicherungen, insbesondere im Rahmen des indischen Regierungsprogramms PMFBY. Dieser Ansatz könnte auf weitere Regionen und mehr Kulturen ausgedehnt werden, die nur öffentlich verfügbare Datensätze nutzen. Für die zweite Studie wurde ein Downscaling-Ansatz zur Schätzung der Reiserträge in Indien eingesetzt, der mit einer räumlichen Auflösung von 500 m Fernerkundungsdaten mit einem maschinellen Lernverfahren integriert und das zeitnahe und zuverlässige Ertragsschätzung liefert. Dieser Ansatz kommt zu dem Schluss, dass die GBR in ganz Indien durchführbar ist und die derzeitigen Ansätze zur zeitnahen Schätzung von Reiserträgen, die von Versicherungsgesellschaften und Regierungsbehörden benötigt werden, ergänzen könnte. Dieser Ansatz kann auch auf verschiedene Regionen ausgeweitet werden. Die Ausweitung hängt jedoch von der Verfügbarkeit und dem Umfang der Beobachtungen ab. Für die dritten Studie simulierten wir mit DSSAT Sorghumerträge in Burkina Faso unter aktuellen und prognostizierten Klimabedingungen und bewertete vier Klimaanpassungsstrategien (Integriertes Bodenfruchtbarkeits, Bewässerung, Verbesserte Saatauswahl und Agroforstwirtschaft) . Diese Bewertungen liefert weitere Impulse für die Forschung in lokalen Feldversuchen und die Umsetzung von Anpassungsmaßnahmen durch Regierungen, Nichtregierungsorganisationen, Bauernorganisationen, Berater und Landwirte. Auch Streitpunkte wie das Fehlen eines überzeugenden Nachweises, dass die Technologien signifikante Vorteile bringen, könnten mit diesen Ergebnissen adressiert werden. Diese Dissertation kommt zu dem Schluss, dass georäumliche Erntemodelle für die Übertragung von Klimarisiken sowie für Studien über Auswirkungenen und Anpassungsmaßnahmen an den Klimawandel geeignet sind und für Planungszwecke auf nationaler und subnationaler Ebene in datenarmen Regionen eingesetzt werden können. | ger |
| dcterms.accessRights | open access | |
| dcterms.creator | Arumugam, Ponraj | |
| dcterms.dateAccepted | 2023-03-27 | |
| dcterms.extent | vii, 123 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Ökologische Agrarwissenschaften | ger |
| dc.contributor.referee | Gornott, Christoph (Prof. Dr.) | |
| dc.contributor.referee | Rötter, Reimund P. (Prof. Dr.) | |
| dc.subject.swd | Klimaänderung | ger |
| dc.subject.swd | Anpassung | ger |
| dc.subject.swd | Strategie | ger |
| dc.subject.swd | Ernteertrag | ger |
| dc.subject.swd | Modell | ger |
| dc.subject.swd | Geoinformation | ger |
| dc.subject.swd | Ernährungssicherung | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true | |
| ubks.kumDiss | true |
Dateien zu dieser Ressource
Das Dokument erscheint in:
-
Dissertationen [2]
Solange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Namensnennung 4.0 International