気候変動とcrop yieldを統計model化するとき、weather datasetの選び方とtemperatureの表現方法のどちらが重要なのでしょうか。2024年の Nature Communications 研究は、global daily weather datasetsであるERA5-LandとGMFDを、米国とSub-Saharan Africaで検証しました。
米国でPRISM・ERA5-Land・GMFDを比較
US corn/soybean county yield（1950–2019）へweather exposureを結び、fine-scale PRISMとglobal ERA5-Land/GMFDを比較しました。
PRISMのout-of-sample predictive skillが最も高い一方、3 datasetsはいずれもmoderate temperatureではyieldが上がり、extreme heatでは急減するnon-linear responseを再現しました。
2℃ uniform warmingではdaily extremesを含む主要specificationでcorn −11〜16%、soy −9〜11%、4℃ではcorn −30〜35%、soy −25〜29%のimpactを推定しました。
日平均temperature modelはdamageを過小評価しやすい
daily min/maxやhourly temperature distributionを使うmodelは、growing-season average temperatureだけを使うquadratic modelよりpredictive performanceが高く、extreme heat damageを強く捉えました。
結論の一つは「どのglobal datasetか」以上に、daily extremesを捨てないfunctional formが重要という点です。
アフリカへUS modelをそのまま転用したわけではない
旧記事タイトルは「アメリカの気候データから作ったモデルでアフリカ収量予測」と読めましたが、実際には別analysisです。
Sub-Saharan Africaではreliable subnational yield dataがないため、2000–2010年のcropland EVIをyield proxyとして、ERA5-Land/GMFDとmonthly CRUのpredictive performanceを比較しました。ERA5-Land/GMFDはCRUより高いpredictive performanceを示しました。
EVIはcrop yieldそのものではない
Africa analysisはEVI proxyであり、crop-specific harvest yieldを直接検証したものではありません。またweather stationは約1200/103,000 grid cellsと偏在します。
それでもdaily global weather dataがdata-sparse regionのclimate–agriculture analysisを改善する可能性を示しています。
関連するテーマとして、ドローンでキャベツ1株ずつの収穫重量を予測――53日前でもR²>0.72を示した実験圃場研究もあわせて読むと背景がつながります。
関連するテーマとして、低緯度の農地は何作物を失うのか――30作物のclimatic nicheで見る1.5〜4℃温暖化もあわせて読むと背景がつながります。
関連するテーマとして、米国とAmazonで大きな木が増えている――でも「温暖化で木が太った」とはまだ言えないもあわせて読むと背景がつながります。
参考文献
- Hogan D, Schlenker W. Non-linear relationships between daily temperature extremes and US agricultural yields uncovered by global gridded meteorological datasets. Nature Communications. 2024;15:4638. https://doi.org/10.1038/s41467-024-48388-w
コメント